基于網(wǎng)絡抱團發(fā)現(xiàn)的命名實體關系抽取.pdf

1、關系抽取是是信息抽取研究領域的一個重要課題。關系抽取的目的是從文本中發(fā)現(xiàn)兩命名實體間的關系。近年來，該技術得到越來越多的關注，被運用到各個領域中，如：信息抽取，本體構造，問答系統(tǒng)，生物技術等。 自從1995年，第六屆信息理解會議(theSixthMessageUnderstandingConferenceMUC-6)提出關系抽取這個概念以來，在命名實體關系抽取方面已經開展了大量的研究工作，但絕大部分研究都是基于有導學習的。有導學

2、習方法最大的問題在于需要花大量的時間去標注足夠數(shù)量的訓練語料，此外系統(tǒng)很難從一個領域移植到另外一個領域中。為了突破有導學習方法中的限制，無導方法被提出來。但是，目前無導方法仍然存在一些問題：(1)命名實體對一般是通過一定范圍內的上下文來進行描述地，但是如何設置上下文窗口大小，一直以來都沒有一個客觀的標準；(2)在命名實體對的聚類過程中，往往存在著很大的噪音，如何能在噪音存在的情況下保證較好的聚類效果；(3)命名實體對之間的語義關系是具有

3、層次結構的，如何描述這種層次結構的關系。 針對以上問題，本文嘗試性地提出了一種基于網(wǎng)絡化數(shù)據(jù)挖掘的命名實體對關系抽取的方法。在該方法中，我們采用了如下三種關鍵技術：1、利用網(wǎng)絡化結構來表示命名實體對；2、基于抱團現(xiàn)象的命名實體對聚類；3、基于語義層次的命名實體關系描述。特別值得一提的是在關鍵技術1中我們著重解決了實體對上下文窗口大小的設置的問題，在關鍵技術2中我們創(chuàng)新性的提出了一個如何在帶權網(wǎng)絡中發(fā)現(xiàn)抱團現(xiàn)象的方案。 為