領(lǐng)域自適應(yīng)的中文實體關(guān)系抽取研究

《領(lǐng)域自適應(yīng)的中文實體關(guān)系抽取研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、碩士學(xué)位論文領(lǐng)域自適應(yīng)的中文實體關(guān)系抽取研究RESEARCHONDOMAINADAPTIVECHINESEENTITYRELATIONEXTRACTION王莉峰哈爾濱工業(yè)大學(xué)2011年6月國內(nèi)圖書分類號：TP391.2學(xué)校代碼：10213 國際圖書分類號：681.37密級：公開工學(xué)碩士學(xué)位論文領(lǐng)域自適應(yīng)的中文實體關(guān)系抽取研究碩士研究生：王莉峰導(dǎo)師：秦兵教授申請學(xué)位：工學(xué)碩士學(xué)科：計算機(jī)科學(xué)與技術(shù)所在單位：計算機(jī)科學(xué)與技術(shù)學(xué)院答辯日期：2011年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex:TP391.2U.D.C:681.37DissertationfortheM

2、asterDegreeinEngineeringRESEARCHONDOMAINADAPTIVECHINESEENTITYRELATIONEXTRACTIONCandidate：WangLifengSupervisor：Prof.QinBingAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerScienceandTechnologyAffiliation：SchoolofComputerScienceandTechnologyDateofDefence：June,2011Degree-Conferring-

3、Institution：HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要隨著計算機(jī)的快速普及，互聯(lián)網(wǎng)的迅猛發(fā)展，各式各樣的信息呈爆炸式增加，如何從海量數(shù)據(jù)中準(zhǔn)確、快速地獲取用戶真正需要的信息成為人們關(guān)注的話題。信息抽取的主要目的是將非結(jié)構(gòu)化的自然語言文本轉(zhuǎn)化成半結(jié)構(gòu)化或結(jié)構(gòu)化的數(shù)據(jù)，方便人們準(zhǔn)確、快速地獲取關(guān)鍵信息。關(guān)系抽取作為信息抽取的子任務(wù)和關(guān)鍵技術(shù)之一，已經(jīng)逐漸發(fā)展成為眾多自然語言處理任務(wù)的重要支撐技術(shù)。傳統(tǒng)的關(guān)系抽取方法需要預(yù)先定義關(guān)系類型，依賴于大量人工標(biāo)注的訓(xùn)練 語料庫，難以滿足互聯(lián)網(wǎng)海量信息處理的需求。本文提出了一種新的關(guān)系抽取

4、 研究框架，探索最大程度地避免人工參與，且具有較強(qiáng)領(lǐng)域自適應(yīng)能力的關(guān)系 抽取解決方案，提高關(guān)系抽取的自動化程度，增強(qiáng)可移植性。首先，通過分析關(guān)系實例上下文語言現(xiàn)象發(fā)現(xiàn)，絕大多數(shù)產(chǎn)生語義關(guān)系的 實體對均可以由其上下文中的一般動詞和一般名詞觸發(fā)描述（統(tǒng)稱為特征 詞），由此，本文提出基于特征詞聚類的方法，在一定規(guī)模的未標(biāo)注語料庫上 實現(xiàn)關(guān)系類型的自動發(fā)現(xiàn)，實驗中達(dá)到了與人工預(yù)定義關(guān)系類型相當(dāng)?shù)男Ч?其次，針對大量待處理的關(guān)系類型，本文提出基于WebMining的關(guān)系種子集 自動抽取方法，充分利用搜索引擎收集和處理大規(guī)模真實數(shù)據(jù)的能力和優(yōu)勢，抽取具有代表性的實體關(guān)系核心網(wǎng)，經(jīng)過在選取的9

5、種關(guān)系類型上進(jìn)行實驗， 平均準(zhǔn)確率達(dá)到了90.91%；再次，根據(jù)中文語言學(xué)特點(diǎn)，本文定義了啟發(fā)式 上下文模式及其泛化策略，引入Bootstrapping方法，以實體關(guān)系核心網(wǎng)作為 輸入，在未標(biāo)注語料庫上迭代地挖掘關(guān)系描述模式，并抽取關(guān)系元組，通過對采樣的關(guān)系元組進(jìn)行人工評價，平均準(zhǔn)確率達(dá)到了88.24%，滿足了實用系統(tǒng)的需求。最后，本文設(shè)計并實現(xiàn)了領(lǐng)域自適應(yīng)的關(guān)系抽取平臺XInfo，在該平臺 上，研究人員可以專注于算法的改進(jìn)和研究，快速進(jìn)行實驗，為自然語言處理 相關(guān)領(lǐng)域研究和應(yīng)用提供支持。另外，本文以人物社會關(guān)系抽取作為應(yīng)用任務(wù)，開發(fā)了一套人物社會關(guān)系在線演示系統(tǒng)，以直觀、清晰的方

6、式展示關(guān)系抽取效果。關(guān)鍵詞關(guān)系抽??；領(lǐng)域自適應(yīng)；關(guān)系類型發(fā)現(xiàn)；關(guān)系種子抽??；關(guān)系描述模式挖掘-I-哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文AbstractWiththerapidpopularizationofcomputers,andtheInternet'srapiddevelopment,theamountofinformationisbecomingmoreandmore.So,howtoquicklyandaccuratelyobtainnecessaryinformationfromthemassivedatabecomesatopicofconcern.Themainpurpo

7、seofinformationextractionistotransformunstructurednaturallanguagetextintosemi-structuredorstructureddata,easyforpeopletoobtainkeyinformationquicklyandaccurately.Relationextractionasoneofthesubtaskandkeytechnologyofinformationextraction,