事件及其事件要素的抽取研究.pdf

1、近年來，對于事件的研究一直以來深受學術界的高度重視，其中，從海量文本中進行事件抽取，從而獲取人們感興趣的信息和數(shù)據(jù)是大數(shù)據(jù)時代亟待解決的關鍵技術。事件抽取是信息抽取的重要組成部分，事件抽取就是從非結構化文本中抽取出用戶感興趣的事件，然后用結構化或半結構化的形式描述出來，供用戶瀏覽、查詢或者進一步分析利用。事件識別和事件要素的抽取是事件抽取的兩大主要任務，本文主要針對這兩個內容展開深入研究。
　　(1)事件識別其實是事件觸發(fā)詞的識別

2、過程，針對當下語料庫資源缺乏造成的數(shù)據(jù)稀疏問題，本文提出了基于擴展觸發(fā)詞表和多特征融合下的機器學習相結合的事件觸發(fā)詞識別方法?；跀U展觸發(fā)詞表的識別方法有較高的召回率但準確率卻很低。基于機器學習的識別方法準確率有明顯提高但召回率卻低于前一種方法。鑒于此，本文把兩種識別方法結合起來，根據(jù)計算得出的候選觸發(fā)詞的權重分布情況設定一個閾值，候選觸發(fā)詞的權重大于閾值時即認定為事件觸發(fā)詞，當小于閾值時，就用機器學習的方法進行識別判斷。實驗結果表明通

3、過把兩種方法進行結合使用，召回率和準確率得到兼顧，F(xiàn)值也比較理想。
　　(2)事件要素的抽取方面，基于監(jiān)督學習的方法對語料庫資源的依賴比較強，不少研究工作都受到了數(shù)據(jù)稀疏問題的困擾。本文提出了聚類（無監(jiān)督）學習的事件要素抽取方法，該方法能有效的減少對語料庫的依賴。聚類算法選用基于距離的典型的k-means算法，但是傳統(tǒng)的k-means算法忽略了各個特征對聚類分析影響的差異。在實際應用中，各個特征對聚類的貢獻是不等的，所以在聚類分析