基于JAVA的行業(yè)屬性關鍵詞擴展方法設計與實現(xiàn).pdf

1、伴隨因特網(wǎng)的快速發(fā)展及計算機越來越為大眾所認可，信息隨之顯現(xiàn)出迅速膨脹的態(tài)勢。信息增長所呈現(xiàn)出的過量形式，隨之也引發(fā)了相應負面影響：大眾面對著龐雜的信息，很難攫取自身所需精準的資料。怎樣自眾多數(shù)據(jù)中抽取有價值的信息是當前研究的熱點。信息抽取正是在這種背景下應運而生的。
　　屬性是各異種類事物的特點，也是理解信息的關鍵點，屬性抽取具有重要的實際意義與廣闊的應用前景，已經(jīng)成為信息抽取領域的研究熱點，吸引了大量學者展開廣泛而深入的研究。

2、雖然取得了一定的進展，但目前的屬性抽取方法不可避免的存在對使用者要求高，可移植性不高，正確率與召回率低，抽取效率低下等諸多問題。一方面，現(xiàn)有的文本信息抽取有基于規(guī)則的方法和基于統(tǒng)計的方法?；谝?guī)則的方法無需運用眾多標注語料，進而將眾多工作精簡，但這種信息抽取方法的正確率及召回率完全取決于規(guī)則的設定，需要豐富的經(jīng)驗與先驗知識?；诮y(tǒng)計的方法則需要先進行大量語料的學習，再在此基礎上制定信息抽取策略，這種信息抽取方法的正確率及召回率則需要取決

3、于語料的豐富程度與語料信息所涉及的領域范圍。另一方面，屬性關鍵詞這一觸發(fā)詞為屬性描述的重要特征，是制定規(guī)則的必要條件。漢語的表達方式靈活多樣，描述同一個屬性可能使用多個詞，屬性詞語存在的字面不同點引發(fā)了分散的屬性值。現(xiàn)有關鍵詞拓展算法均采用基于現(xiàn)有詞語庫來對關鍵詞進行擴展的原理，該方法依賴于所用詞語庫的完備程度，而且缺乏對現(xiàn)有語料庫信息的有效利用。
　　本文針對以上問題，從屬性關鍵詞擴展方法、信息抽取方法兩個方面展開研究。首先，借

4、助開源爬蟲對諸如百度百科、互動百科及維基百科這些互動百科條目予以下載。這一領域的百科聯(lián)系的類別眾多，有關種類的條目中蘊含著豐富的屬性信息?；诰W(wǎng)絡百科進行屬性關鍵詞擴展研究對于屬性抽取具有重要的意義。其次，提出一種基于現(xiàn)有詞語庫同時利用現(xiàn)有語料資料中詞語相關程度相結合的屬性關鍵詞拓展算法，并針對快消品類別，實現(xiàn)了屬性關鍵詞擴展。然后，在這種屬性關鍵詞拓展算法的基礎上提出一種半自動化的自學習信息抽取方法，在保證準確率與召回率的同時極大的減