基于維基百科的中文跨文本指代消解的研究.pdf

1、作為信息抽取和信息融合的重要組成部分,跨文本指代消解的研究受到了廣泛重視?？缥谋局复獾闹饕蝿?wù)是解決實(shí)體的多名問題和重名問題,前者是指一個實(shí)體具有多個名稱,而后者是指不同的實(shí)體具有相同的名稱。大規(guī)模中文跨文本語料庫的缺失,阻礙了相關(guān)研究工作的開展。鑒于此,本文進(jìn)行了以下三個方面的研究工作:
　　1.構(gòu)建一個基于維基百科的中文跨文本指代語料庫,并分析了該語料上的跨文本指代現(xiàn)象,為大規(guī)模中文跨文本指代消解研究奠定了基礎(chǔ)。統(tǒng)計數(shù)據(jù)表

2、明,同新聞領(lǐng)域相比,維基百科中的實(shí)體多名問題比重名問題更加嚴(yán)重。
　　2.實(shí)現(xiàn)了基于向量空間模型和無監(jiān)督聚類的中文跨文本指代消解系統(tǒng)。實(shí)驗(yàn)結(jié)果表明,實(shí)體表述本身的相似度對于系統(tǒng)性能的影響很大,而向量空間相似度特征的作用則并不明顯。
　　3.探討了大規(guī)模語料庫上的跨文本指代消解技術(shù)。采用“分而治之”的思想對每個實(shí)體類型的所有的實(shí)體表述進(jìn)行分塊處理,各個塊內(nèi)單獨(dú)聚類,塊間則互不影響,緩解了在大規(guī)模語料庫進(jìn)行指代消解所產(chǎn)生的時空復(fù)