基于規(guī)則的Web文本信息抽取技術的研究.pdf

1、隨著因特網(wǎng)技術的迅速發(fā)展，網(wǎng)上信息成幾何級數(shù)增長，如何自動處理這些海量聯(lián)機文本信息成為目前重要的研究課題。文本信息抽取是指從一段文本中抽取指定的信息（例如事件、事實），并將其形成結構化的數(shù)據(jù)填入數(shù)據(jù)庫中供用戶查詢使用的過程。
　　本文實現(xiàn)的是中文命名實體識別及關系抽取系統(tǒng)。命名實體識別是實體關系抽取的基礎。實體關系抽取是信息抽取中的一個重要研究課題，其任務是尋找并判定實體對之間存在的特定關系。實體關系抽取作為一項基礎性研究，對于信

2、息檢索、問答系統(tǒng)、信息過濾、自動文摘、機器翻譯以及數(shù)字圖書館建設有重要的研究意義。當前實體關系抽取的主要技術有基于知識庫的抽取方法、基于特征向量的機器學習方法、基于核函數(shù)的機器學習方法，基于模式的Bootstrapping方法。
　　本文采用了隱馬爾可夫模型（Hidden Markov Models,HMM）與具有優(yōu)先規(guī)則提取相結合的方法進行中文命名實體識別。整個識別過程可以分為兩個步驟，首先使用隱馬爾可夫模型進行詞性標注，然后利

3、用具有優(yōu)先級別的匹配規(guī)則對第一步的結果進行修正和轉換。二者的有機結合使得系統(tǒng)性能有了很大的提高。采用兩種基于特征向量的機器學習算法，Winnow和支持向量機（SVM），在ACE評測的訓練數(shù)據(jù)上進行實體關系抽取實驗。兩種算法都進行適當?shù)奶卣鬟x擇，當選擇每個實體的左右兩個詞為特征時，達到最好的抽取效果，Winnow和SVM算法的加權平均F-Score分別為73.08％和73.27%?？梢娫谑褂孟嗤奶卣飨蛄?，不同的學習算法進行實體關系的識別