音樂領域中文實體關系抽取研究.pdf

1、隨著互聯(lián)網上信息的快速增長，人們迫切需要一些自動化的工具幫助其在海量信息中迅速找到真正需要的信息。信息抽?。↖nformation Extraction）
　　研究正是在這種背景下產生的，關系抽取（Relation Extraction）是信息抽取的子任務之一。
　　實體關系抽取的任務是從文本中抽取出兩個或者多個實體之間預先定義好的語義關系。本文將實體關系抽取定義為一個分類問題，主要研究內容是中文音樂領域的實體關系抽取。針對

2、這一問題，本文首先構建了中文音樂實體關系語料庫，然后分別采用了基于序列模式挖掘的無指導的方法和基于特征提取的有指導的方法來解決這一問題。
　　在語料庫的建設過程中，本文參考了ACE語料的構建過程，首先定義了包含11種實體關系的中文音樂領域關系類型體系；接著制定了詳細的標注規(guī)范并完成了10,000句語料的標注工作。與此同時，本文針對音樂領域和中文的語言學特點，定義了音樂領域的序列模式。由于BootStrapping方法的引入，實體關

3、系種子可自動擴展并可從互聯(lián)網上挖掘大量的高準確率的序列模式。在評測集上，該方法取得了平均準確率為94.40％的結果。最后，本文基于已標注完成的語料庫，研究了音樂領域實體關系抽取的特點，并根據(jù)其特點進行了特征選擇的研究，分別使用最大熵（Maxent）和支撐向量機（SVM）對特征抽取的結果進行了實驗，在相同的測試集上，SVM分類器取得了更好效果。另外，本文還將序列模式分類器與支撐向量機分類器進行了級聯(lián)，在評測集上取得了平均F值為80.85%