基于詞向量和文本特征的事件提取.pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展，各種媒體不斷涌現(xiàn)，文本作為數(shù)據(jù)的一種載體，數(shù)量也日益增多，文本挖掘已成為研究領(lǐng)域的熱點(diǎn)。目前，隨著計(jì)算機(jī)技術(shù)的迅猛發(fā)展，如何讓計(jì)算機(jī)學(xué)會(huì)并理解自然語(yǔ)言成為文本挖掘領(lǐng)域的新方向。讓計(jì)算機(jī)理解文本的難點(diǎn)在于：一、如何把文本轉(zhuǎn)換成計(jì)算機(jī)熟悉的數(shù)字?jǐn)?shù)據(jù)；二、如何讓計(jì)算機(jī)像人一樣理解文本中的含義。把文本轉(zhuǎn)換成計(jì)算機(jī)熟悉的數(shù)字?jǐn)?shù)據(jù)屬于特征提取的范疇，本文使用了兩種特征來(lái)做詞特征，一是詞向量，二是詞的文本特征，包括詞性、詞根等

2、。讓計(jì)算機(jī)理解文本中的含義一般是對(duì)句子進(jìn)行語(yǔ)義分析，本文使用了語(yǔ)義關(guān)系中的依存關(guān)系做特征。最近，文本挖掘已經(jīng)成功應(yīng)用于生物醫(yī)學(xué)領(lǐng)域，用來(lái)提取生物事件信息，本文在生物事件提取上做了以下三個(gè)工作：
　　(1)提出了一種基于不平衡分類(lèi)指標(biāo)與集成學(xué)習(xí)的不平衡數(shù)據(jù)分類(lèi)方法。由于現(xiàn)實(shí)生活中經(jīng)常遇到不平衡分類(lèi)問(wèn)題，本文提出了一種基于不平衡分類(lèi)指標(biāo)與集成學(xué)習(xí)的不平衡數(shù)據(jù)分類(lèi)方法。在集成算法中，通過(guò)不平衡問(wèn)題評(píng)價(jià)指標(biāo)G來(lái)優(yōu)化弱分類(lèi)器在訓(xùn)練集上的錯(cuò)誤

3、率，并將優(yōu)化后的錯(cuò)誤率用到訓(xùn)練樣本權(quán)重的更新和弱分類(lèi)器投票權(quán)重的求取中。本文提出的不平衡分類(lèi)方法提高了分類(lèi)器在少數(shù)類(lèi)上的分類(lèi)準(zhǔn)確率，使集成算法更適合用于解決不平衡分類(lèi)問(wèn)題。
　　(2)提出了一種基于文本特征的生物事件提取方法。本文把生物事件提取方法分成了兩步，第一步提取生物事件觸發(fā)詞；第二步提取生物分子相互關(guān)系，并結(jié)合生物事件觸發(fā)詞的類(lèi)型生成生物事件。在提取生物事件時(shí)，本文提出了生物事件觸發(fā)詞樣本篩選方法，并提出了復(fù)雜生物事件循環(huán)

4、嵌套問(wèn)題的解決方法。在BioNLP ST(Shared Tasks)2013 GE(Genia Event Extraction)數(shù)據(jù)上的實(shí)驗(yàn)表明：本文提出的生物事件提取方法取得了滿(mǎn)意的結(jié)果。
　　(3)提出了一種基于詞向量和文本特征的生物事件提取方法。近年來(lái)，詞向量由于其低維、連續(xù)、稠密的特點(diǎn)，被廣泛用于自然語(yǔ)言處理領(lǐng)域的各個(gè)方面。本文在提取生物事件觸發(fā)詞時(shí)，基于詞向量以及文本特征，利用支持向量機(jī)進(jìn)行分類(lèi)，大大提高了生物事件提取