版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、信息抽取是指從文本中抽取指定類型的實體詞、關(guān)系詞、時間、地點、事件等多層次的語義信息,并將這些信息轉(zhuǎn)化成結(jié)構(gòu)化格式進(jìn)行輸出。隨著網(wǎng)絡(luò)信息的指數(shù)型增長,加之在今天人工智能的快速發(fā)展,信息抽取逐漸成了熱門研究領(lǐng)域。而實體關(guān)系抽取是信息抽取的一個重要環(huán)節(jié),同時也是一個重要任務(wù),實體關(guān)系抽取的主要內(nèi)容是抽取文本中的實體關(guān)系類型和實體關(guān)系值。實體關(guān)系抽取對于知識圖譜構(gòu)建和領(lǐng)域本體、問答系統(tǒng)、文本相似度計算以及語義理解和文本摘要提取等更深層次的自然
2、語言處理問題都具有重要的理論和實踐意義。
實體關(guān)系抽取的研究包括傳統(tǒng)式實體關(guān)系抽取和開放式實體關(guān)系抽取。其中,傳統(tǒng)實體關(guān)系抽取主要面向限定領(lǐng)域文本、限定類別實體和關(guān)系的抽取,需要針對某一限定領(lǐng)域建立語言模型進(jìn)行抽取。然而隨著互聯(lián)網(wǎng)信息的指數(shù)型增長和互聯(lián)網(wǎng)信息所具有的跨領(lǐng)域特性,使得傳統(tǒng)式實體關(guān)系抽取無法滿足網(wǎng)絡(luò)文本抽取的需求。從而,開放式信息抽取成為了信息抽取的一個重要研究領(lǐng)域,它的主要任務(wù)是從大規(guī)模異構(gòu)、跨領(lǐng)域文本中抽取實體
3、、關(guān)系、事件等多層次語義信息,并且以結(jié)構(gòu)化格式輸出,使得可以跨領(lǐng)域地、大規(guī)模地對網(wǎng)絡(luò)文本進(jìn)行處理。
針對英文文本的開放式實體關(guān)系抽取主要分為兩個階段:先對實體詞進(jìn)行抽取的階段和先對關(guān)系詞進(jìn)行抽取的階段。在針對中文文本實體關(guān)系抽取方面的研究主要集中在二元關(guān)系抽取以及使用淺層語義特征進(jìn)行抽取的方法。因此本文提出了基于依存關(guān)系分析的針對中文文本的開放式實體關(guān)系抽取方法,該方法可以用于抽取多元關(guān)系,并且加入了深層語義特征使得抽取的準(zhǔn)確
4、性得到了提供。本文在上述方法的基礎(chǔ)上設(shè)計并實現(xiàn)了抽取系統(tǒng)。
本文提出了面對大規(guī)模、異構(gòu)中文網(wǎng)絡(luò)文本的基于依存關(guān)系的開放式信息抽取方法,首先對網(wǎng)絡(luò)文本進(jìn)行預(yù)處理,包括網(wǎng)頁正文文本抽取、中文分詞、中文詞性標(biāo)注和依存關(guān)系分析,然后使用啟發(fā)式規(guī)則進(jìn)行基本名詞短語識別并通過基于詞間依存關(guān)系的啟發(fā)式規(guī)則獲取候選實體關(guān)系多元組,接著通過經(jīng)過訓(xùn)練的機(jī)器學(xué)習(xí)分類器對候選實體關(guān)系多元組進(jìn)行過濾得到最終的實體關(guān)系多元組,最后將過濾得到的實體關(guān)系組進(jìn)
5、行標(biāo)準(zhǔn)化過程后保存在數(shù)據(jù)庫中。抽取出的大規(guī)模的實體關(guān)系組也可以用于其他的自然語言處理方面的任務(wù)。
本文使用語言技術(shù)平臺云(Language Technology Platform-Cloud, LTP-Cloud)進(jìn)行文本預(yù)處理,定義了一系列基本名詞短語的詞性組合規(guī)則和一系列基于依存關(guān)系的抽取實體關(guān)系多元組的規(guī)則。在過濾階段,以詞個數(shù)、詞性、詞間距離等方面為特征訓(xùn)練得到機(jī)器學(xué)習(xí)分類器,對候選關(guān)系組進(jìn)行一個正確與否的判斷與過濾。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 開放式中文實體關(guān)系抽取研究.pdf
- 中文開放式實體關(guān)系抽取研究與實現(xiàn).pdf
- 中文開放式實體關(guān)系抽取技術(shù)研究.pdf
- 開放式中文實體關(guān)系抽取的研究與實現(xiàn).pdf
- 半監(jiān)督中文實體關(guān)系抽取研究.pdf
- 基于KSVM的中文實體關(guān)系抽取研究.pdf
- 基于SVM的中文實體關(guān)系抽取研究.pdf
- 音樂領(lǐng)域中文實體關(guān)系抽取研究.pdf
- 中文電子病歷實體關(guān)系抽取研究.pdf
- 中文文本實體關(guān)系抽取方法研究.pdf
- 面向開放領(lǐng)域文本的實體關(guān)系抽取.pdf
- 領(lǐng)域自適應(yīng)的中文實體關(guān)系抽取研究.pdf
- 基于svm的中文實體關(guān)系抽取研究(1)
- 中文命名實體識別及其關(guān)系抽取研究.pdf
- 中文開放域關(guān)系抽取研究與實現(xiàn).pdf
- 基于句法和語義分析的中文實體關(guān)系抽取.pdf
- 基于核函數(shù)的中文實體關(guān)系抽取新方法.pdf
- 基于詞匯語義信息的中文命名實體關(guān)系抽取研究.pdf
- 基于特征向量的中文實體間語義關(guān)系抽取研究.pdf
- Web實體活動與實體關(guān)系抽取研究.pdf
評論
0/150
提交評論