實體關(guān)系自動抽取技術(shù)的比較研究.pdf

1、隨著計算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，海量信息以電子文檔的形式出現(xiàn)在人們面前。從這些自然文本中提取出有用的信息，日益成為人們關(guān)注的問題。因此信息抽取技術(shù)應(yīng)運而生，關(guān)系抽取是其中的一個子任務(wù)。
　　文本中特定的事實信息稱為實體，而確定這些實體之間的關(guān)系稱為實體關(guān)系抽取。實體關(guān)系抽取對本體庫的構(gòu)建以及改進(jìn)信息檢索技術(shù)等有重要的作用。本文重點對實體關(guān)系抽取技術(shù)的幾個問題進(jìn)行了研究和解決：
　　首先，本文抽取了傳統(tǒng)命名實體以外的存在重

2、要語義關(guān)系的詞：領(lǐng)域術(shù)語。針對領(lǐng)域術(shù)語評測數(shù)據(jù)的不統(tǒng)一和評價的困難性，通過詞典評測、人工評測在準(zhǔn)確率、召回率、F度量等評價指標(biāo)上與幾種主流的基于統(tǒng)計的術(shù)語抽取方法進(jìn)行了詳細(xì)的對比和分析。本文還提出了基于線性支持向量機(jī)權(quán)重的術(shù)語抽取方法，實驗結(jié)果表明，該方法能有效地抽取領(lǐng)域術(shù)語。
　　其次，本文基于不同的應(yīng)用需求，利用統(tǒng)一的語料對比研究了基于特征的有監(jiān)督、半監(jiān)督和無監(jiān)督的實體關(guān)系抽取方法。
　　在有監(jiān)督實體關(guān)系抽取方法中，前人

3、的研究工作沒有考慮各種特征對兩個實體間無關(guān)系即no-relation的影響。對此，本文詳細(xì)對比了通用特征：實體周圍詞語、實體類型、子類型、實體位置、實體中心詞和內(nèi)容的依存句法分析對真正關(guān)系和no-relation的影響，并提出了新特征：特征詞位置信息，實驗表明該特征能有效提高實體關(guān)系抽取的準(zhǔn)確率。
　　本文通過 Bootstrapping半監(jiān)督實體關(guān)系抽取方法進(jìn)行了不同的對比實驗：實體特征、種子集規(guī)模對實體關(guān)系抽取性能的影響；同等

4、條件下，半監(jiān)督實體關(guān)系抽取方法與有監(jiān)督實體關(guān)系抽取方法的性能比較。實驗結(jié)果表明半監(jiān)督實體關(guān)系抽取能夠提高實體關(guān)系抽取的準(zhǔn)確率。
　　無監(jiān)督實體關(guān)系抽取方法主要采用的是聚類方法，因此本文主要研究了聚類算法以及合并策略對實體關(guān)系抽取的影響。本文對比研究了三種聚類算法，即K-means、自組織映射和Affinity Propagation算法，以及兩種合并策略（DCM和Cosine）。Affinity Propagation算法能夠取得