基于特征向量的中文實體間語義關(guān)系抽取研究.pdf

1、實體間語義關(guān)系抽取是信息抽取中的重要環(huán)節(jié)。目前，在中文語義關(guān)系抽取中基于特征向量的機器學(xué)習方法占重要地位，它的研究重點在于如何獲取各種有效的詞法、語法和實體等特征信息，并把它們有效地集成起來，從而產(chǎn)生描述對象的各種局部和簡單的全局特征。 本文提出在基本特征的基礎(chǔ)上進行特征組合的方法，該方法主要包括中文語料基本特征的獲取和基本特征的組合。 本文采用ACE2005的中文語料庫為實驗數(shù)據(jù)。首先，在對文件進行預(yù)處理后，單獨選取詞

2、法、實體和基本短語塊為基本特征，使用SVM工具進行關(guān)系抽取，其關(guān)系探測、大類抽取和子類抽取關(guān)系識別的F值分別達到62.78、57.08和55.77。然后，本文分別在詞語、實體、基本短語塊內(nèi)部及其相互之間進行組合，獲得各種組合特征。實驗結(jié)果表明組合特征能顯著提高關(guān)系抽取的性能，最終在關(guān)系探測、大類抽取和子類抽取的F值分別提高了8.5、3.4和3.8。 總之，基本特征及其組合特征具有較好的區(qū)分度，能有效地提高基于特征向量的中文實體間