命名實(shí)體間語義關(guān)系抽取研究.pdf

1、命名實(shí)體間語義關(guān)系抽取是信息抽取中的重要環(huán)節(jié)，也是自然語言處理領(lǐng)域的熱點(diǎn)問題之一。隨著Internet的快速發(fā)展和網(wǎng)上信息量的迅猛增長(zhǎng)，從自由文本中抽取出有用的結(jié)構(gòu)化信息具有極其重要的意義。同時(shí)，伴隨著自然語言處理技術(shù)和機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展和成熟，從大量的自由文本中抽取出有用信息甚至知識(shí)也成為可能。 近年來，雖然信息抽取研究已經(jīng)取得了一定的進(jìn)展，但是在語義關(guān)系抽取方面，其性能一直徘徊在70％左右，并且要求具備大規(guī)模的標(biāo)注語料庫(kù)

2、，因而距離實(shí)用化還有一段距離。這是由于語義關(guān)系抽取任務(wù)本身比較復(fù)雜，且對(duì)文本的具體領(lǐng)域依賴性強(qiáng)。本文以減少語義關(guān)系抽取系統(tǒng)對(duì)大規(guī)模語料庫(kù)的依賴性為研究主線，探索新的方法和策略，推進(jìn)信息抽取的實(shí)用化進(jìn)程。 本文對(duì)語義關(guān)系抽取中的關(guān)鍵技術(shù)展開研究，研究?jī)?nèi)容主要包括： 1.研究基于特征向量的語義關(guān)系抽取方法，重點(diǎn)探索了如何從自由文本及其語法結(jié)構(gòu)中抽取出各種表面特征和結(jié)構(gòu)化特征，并分析了這些不同的特征對(duì)語義關(guān)系抽取的貢獻(xiàn)，從而為

3、后續(xù)研究工作指明了正確的方向。 2.研究基于樹核函數(shù)的語義關(guān)系抽取方法，重點(diǎn)探索了關(guān)系實(shí)例的結(jié)構(gòu)化信息的各種表達(dá)形式，提出了基于成分依存理論的動(dòng)態(tài)關(guān)系樹。根據(jù)依存規(guī)則從句法樹中得到的動(dòng)態(tài)關(guān)系樹，既能涵蓋關(guān)系實(shí)例的關(guān)鍵信息，又能刪除不必要的噪音。實(shí)驗(yàn)表明，動(dòng)態(tài)關(guān)系樹能顯著提高語義關(guān)系抽取的性能，尤其是召回率。 3.研究實(shí)體語義信息在語義關(guān)系抽取中的作用，提出了實(shí)體語義信息的結(jié)構(gòu)化表示方法——實(shí)體語義樹，并將它和句法結(jié)構(gòu)化信

4、息——?jiǎng)討B(tài)關(guān)系樹有機(jī)結(jié)合起來，構(gòu)成了合一句法和實(shí)體語義樹。實(shí)驗(yàn)表明，合一句法和實(shí)體語義樹能有效捕獲關(guān)系實(shí)例的結(jié)構(gòu)化信息和實(shí)體的語義信息，顯著提高基于樹核函數(shù)的關(guān)系抽取系統(tǒng)的性能。 4.研究基于弱指導(dǎo)的語義關(guān)系抽取方法，將統(tǒng)計(jì)學(xué)中的分層抽樣理論應(yīng)用到弱指導(dǎo)學(xué)習(xí)中來，提出了基于分層抽樣策略的初始種子集選取方法。由于采用分層策略選取出來的初始種子比隨機(jī)選取的種子更具有代表性和典型性，因而它能取得更好的自舉性能。同時(shí)，將分層抽樣理論應(yīng)用

5、于自舉學(xué)習(xí)的訓(xùn)練集擴(kuò)展，也能在一定程度上提高了關(guān)系抽取的性能。 5.研究基于標(biāo)注傳播算法的語義關(guān)系抽取方法，探索了采用自舉加權(quán)支撐矢量的標(biāo)注實(shí)例產(chǎn)生方法，以緩解標(biāo)注傳播算法所需要的計(jì)算資源問題。首先采用協(xié)同學(xué)習(xí)的方法通過SVM自舉產(chǎn)生加權(quán)支撐矢量，這些關(guān)鍵實(shí)例能有效捕獲語料庫(kù)中已標(biāo)注實(shí)例和未標(biāo)注實(shí)例的自然簇結(jié)構(gòu)，并作為源標(biāo)記實(shí)例輸入到標(biāo)記傳播算法中。實(shí)驗(yàn)結(jié)果表明，采用自舉加權(quán)支撐矢量的標(biāo)注傳播算法其性能和效率都有明顯的提高。

6、 本文的主要貢獻(xiàn)在于對(duì)語義關(guān)系抽取中的關(guān)鍵技術(shù)進(jìn)入了深入的研究和探索，并應(yīng)用統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法解決關(guān)系抽取中的熱點(diǎn)難題；提出了利用成分依存理論生成有效捕獲結(jié)構(gòu)化信息的動(dòng)態(tài)關(guān)系樹；研究了將實(shí)體語義樹和動(dòng)態(tài)關(guān)系樹有機(jī)結(jié)合起來的方法；將統(tǒng)計(jì)學(xué)中的分層采樣理論應(yīng)用到弱指導(dǎo)關(guān)系抽取的初始種子集的方法研究；探索了基于自舉加權(quán)支撐矢量的標(biāo)注傳播算法。這些方法的研究和所取得的成果有助于提高語義關(guān)系抽取的性能，減少對(duì)大規(guī)模語料庫(kù)的依賴性，對(duì)今后信息抽