漢語(yǔ)專業(yè)領(lǐng)域命名實(shí)體語(yǔ)義關(guān)系自動(dòng)抽取研究.pdf

1、我們處于一個(gè)信息爆炸的時(shí)代，互聯(lián)網(wǎng)上的中文信息在飛速地增長(zhǎng)。通過(guò)信息抽取技術(shù)從浩瀚的中文信息海洋中自動(dòng)尋找用戶所需求的信息則顯得至關(guān)重要。而命名實(shí)體語(yǔ)義關(guān)系抽取是信息抽取中的主要任務(wù)之一，所以近年來(lái)命名實(shí)體語(yǔ)義關(guān)系抽取研究也成為了我國(guó)自然語(yǔ)言處理研究領(lǐng)域中的一個(gè)熱點(diǎn)。 當(dāng)前漢語(yǔ)的命名實(shí)體語(yǔ)義關(guān)系抽取研究主要是有指導(dǎo)(Supervised)或弱有導(dǎo)(Weakly Supervise)的方法，且研究對(duì)象大多是一般領(lǐng)域的語(yǔ)料。這些方法

2、在訓(xùn)練語(yǔ)料庫(kù)的標(biāo)注、關(guān)系抽取規(guī)則的編制以及初始關(guān)系種子的選取上都費(fèi)時(shí)費(fèi)力；此外，適用于一般領(lǐng)域語(yǔ)料的關(guān)系抽取方法難以滿足一些專業(yè)領(lǐng)域的需求。所以，本文提出了一套適用于專業(yè)語(yǔ)料的無(wú)指導(dǎo)命名實(shí)體語(yǔ)義關(guān)系抽取的方案，并實(shí)現(xiàn)了該系統(tǒng)。此外，本文還嘗試了利用該系統(tǒng)的抽取結(jié)果構(gòu)造關(guān)系模板和關(guān)系種子。 本研究針對(duì)專業(yè)領(lǐng)域的語(yǔ)料特性，運(yùn)用語(yǔ)言資源工具對(duì)向量空間模型(VSM)進(jìn)行改進(jìn)和優(yōu)化，解決了專業(yè)領(lǐng)域語(yǔ)料的特征模糊問(wèn)題；根據(jù)潛在關(guān)系信息分布特

3、征，設(shè)計(jì)了專業(yè)領(lǐng)域語(yǔ)料中實(shí)體．關(guān)系網(wǎng)絡(luò)的構(gòu)造方法；利用復(fù)雜網(wǎng)絡(luò)(ComplexNetworks)理論中的網(wǎng)絡(luò)社區(qū)(Community)特性，實(shí)現(xiàn)了在專業(yè)領(lǐng)域語(yǔ)料中關(guān)系類別的自動(dòng)發(fā)現(xiàn)；通過(guò)對(duì)詞語(yǔ)在上下文中的重要性分析，采用了提取重要性權(quán)重最高詞作為關(guān)系描述詞的關(guān)系描述方法。 本文在專業(yè)領(lǐng)域語(yǔ)料平臺(tái)上對(duì)該系統(tǒng)進(jìn)行了實(shí)驗(yàn)，并結(jié)合權(quán)威評(píng)價(jià)手段對(duì)實(shí)驗(yàn)進(jìn)行了評(píng)估，另外還構(gòu)造了有指導(dǎo)關(guān)系抽取系統(tǒng)對(duì)實(shí)驗(yàn)系統(tǒng)獲得的關(guān)系進(jìn)行驗(yàn)證。最終結(jié)果表明：本系