自由文本的信息抽取模式獲取的研究.pdf

1、為了提高采用模式匹配法的IE系統(tǒng)的可移植性,關(guān)鍵是如何較為快捷方便準(zhǔn)確全面的獲取針對(duì)某個(gè)IE領(lǐng)域/任務(wù)的IE模式.起初,IE模式是人工通過(guò)手工方法來(lái)建立的,但這費(fèi)時(shí)費(fèi)力,對(duì)用戶或領(lǐng)域?qū)＜业募寄芩揭筝^高.為了較為快捷方便的獲取IE模式,人們采用機(jī)器學(xué)習(xí)方法來(lái)獲取IE模式.最早的IE模式學(xué)習(xí)方法需要手工標(biāo)注規(guī)模較大的語(yǔ)料;而標(biāo)注大規(guī)模的語(yǔ)料也費(fèi)時(shí)費(fèi)力,于是為了減輕用戶的勞動(dòng)并降低對(duì)用戶的技能要求,改進(jìn)后的模式學(xué)習(xí)方法只是要求用戶將訓(xùn)練文

2、檔集合分為相關(guān)和不相關(guān)的兩類,然后就能自動(dòng)的從中學(xué)出相關(guān)的IE模式;進(jìn)一步的研究發(fā)現(xiàn),即使要求用戶將訓(xùn)練文檔集合分為相關(guān)和不相關(guān)的兩類,也并非易事,因而目前最新的做法是只要求用戶提供幾個(gè)可以輕易想到的有代表性的IE模式,相應(yīng)的模式學(xué)習(xí)方法就可以從一個(gè)未經(jīng)分類的文檔集合中學(xué)出更多的模式并同時(shí)完成對(duì)文檔的相關(guān)性分類.在上述各種事件IE模式學(xué)習(xí)方法中,都采用了各自不同的模式表示方式.但無(wú)論這些事件IE模式的表示方式有多大差異,它們都利用了語(yǔ)法

3、信息和語(yǔ)義信息的概括約束作用.其中,語(yǔ)義信息的概括約束作用是通過(guò)將模式中的某些概念元素用它們的上位概念代替來(lái)完成的,而這就需要一個(gè)概念層次知識(shí)庫(kù)的支持.本文給出了一種基于領(lǐng)域無(wú)關(guān)概念知識(shí)庫(kù)的事件IE模式學(xué)習(xí)方法GenPAM.該方法利用了領(lǐng)域無(wú)關(guān)的概念層次知識(shí)庫(kù)如WordNet/HowNet等的支持并能在模式學(xué)習(xí)的過(guò)程中同時(shí)實(shí)現(xiàn)詞義消岐.GenPAM在進(jìn)行IE模式學(xué)習(xí)的時(shí)候,不需用戶提供幾個(gè)有代表性的種子模式,也不需用戶進(jìn)行語(yǔ)料分類,更不

4、需用戶進(jìn)行語(yǔ)料標(biāo)注,只需用戶進(jìn)行IE任務(wù)定義之后,系統(tǒng)就可自動(dòng)的從一個(gè)未經(jīng)標(biāo)注和分類的原始語(yǔ)料中學(xué)出IE模式,而且整個(gè)過(guò)程是在領(lǐng)域無(wú)關(guān)的概念知識(shí)庫(kù)的支持之下實(shí)現(xiàn)的.這自然可以比以往的其它IE模式學(xué)習(xí)方法更能減少用戶的工作量并降低對(duì)他們的技能要求.我們將GenPAM用于從MUC-7提供的英語(yǔ)飛行事故訓(xùn)練語(yǔ)料中進(jìn)行IE模式獲取并在這些IE模式指導(dǎo)下從MUC-7提供的測(cè)試語(yǔ)料中進(jìn)行墜機(jī)事件的抽取的實(shí)驗(yàn).Internet/www的發(fā)展使得網(wǎng)上電

5、子文檔數(shù)目巨大且迅猛增長(zhǎng),從中抽取出各種關(guān)系并將之結(jié)構(gòu)化存儲(chǔ)是進(jìn)行Web挖掘的前提之一.而抽取某類二元關(guān)系需要與該類二元關(guān)系相對(duì)應(yīng)的關(guān)系模式的指導(dǎo).加上各種應(yīng)用如開(kāi)放領(lǐng)域知識(shí)問(wèn)答對(duì)關(guān)系IE模式的需求,關(guān)系IE模式的獲取也日顯重要.本文提出了一種自舉的二元關(guān)系和二元關(guān)系模式獲取方法BRPAM,該法能在人工給定的屬于某個(gè)二元關(guān)系類別的幾個(gè)二元關(guān)系的基礎(chǔ)上,通過(guò)自舉學(xué)習(xí),從一個(gè)大的文檔集合D中找出更多的二元關(guān)系并同時(shí)生成更多的二元關(guān)系模式.我