面向短文本分類的角色關(guān)系抽取研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，越來越豐富的信息傳播方式出現(xiàn)并影響著人們的生活。短文本是指長度較短(通常少于160個字)的文本，它通常以手機短信、微博、網(wǎng)頁評論等形式廣泛存在于現(xiàn)實生活中。短文本具有長度短、所描述概念信號弱等固有缺陷，傳統(tǒng)的文本分類方法并不適用于短文本，因此研究對短文本進(jìn)行有效分類的方法是一項必須解決且具有挑戰(zhàn)性的問題。
　　 短文本分類的一條可行途徑是利用外部資源的額外信息來擴(kuò)展短文本所描述的信息量。角色關(guān)系是指某個事

2、件與其固有的相關(guān)角色之間的語義關(guān)系，利用這種關(guān)系擴(kuò)展短文本的特征向量，能夠在一定程度上增加短文本的有用信息，彌補其描述能力較弱的缺陷。本文圍繞如何獲取短文本中存在的特定角色關(guān)系，和如何將這些關(guān)系有效的應(yīng)用于短文本分類這兩個核心問題展開研究，主要工作如下：
　　 1)提出了一種自動獲取短文本中存在的施事、受事角色關(guān)系的方法。由于一個事件涉及的角色類別較多，不同的角色對事件的重要性有差異，獲取方法也不同，因此本文的研究重點主要是針對

3、施事、受事這兩類最主要的角色關(guān)系。在獲取施事、受事關(guān)系方面，一種常規(guī)的方法是直接利用語義詞典《知網(wǎng)》描述語言的特點確定短文本中詞對間的關(guān)系，但是這種方法抽取的關(guān)系詞對數(shù)量和覆蓋度有限。針對這個問題，本文提出了一種新的角色關(guān)系詞對抽取方法，該方法利用《知網(wǎng)》的特征文件中的義原共性和義原樹層次結(jié)構(gòu)確定真實文本中存在的施事、受事關(guān)系，并通過義原層次樹中的義原距離計算關(guān)系強度。實驗表明：通過該方法抽取出的關(guān)系詞對數(shù)量和覆蓋度較高，在一定程度上彌