中文文本實體關系抽取方法研究.pdf

1、隨著互聯(lián)網(wǎng)的不斷發(fā)展，網(wǎng)絡文本中所包含的有價值的信息越來越多。由于文本中包含各種實體之間關系紛繁復雜，以人工和經(jīng)驗的方式進行相關知識的獲取及組織已經(jīng)遠遠不能滿足應用需求。自動從互聯(lián)網(wǎng)文本中抽取實體關系，成為自然語言處理和信息抽取研究中的重要問題。從現(xiàn)有的研究來看，大部分實體關系抽取方法存在目標關系類別分類較粗、不夠細致的問題，同時也相對缺乏對復雜類型的實體關系抽取的研究。為此，本文主要研究了兩類典型的復雜實體關系抽取方法，分別是人物實體

2、關系抽取與金融實體關系抽取。
　　本文主要研究工作包括以下兩個部分：第一，研究人物實體關系的自動抽取方法。在對人物實體關系表達文本的特點進行深入分析的基礎上，本文設計實現(xiàn)了一種針對特定關系單獨訓練分類模型的人物關系抽取方法。該方法通過提取特定關系實體上下文信息及句子的結構特征進行有無關系的分類。針對關系分布不平衡現(xiàn)象，采用隨機過采樣的方式對人物實體關系數(shù)據(jù)進行不平衡處理。這一方法在第十五屆機器學習會議競賽中的人物實體關系數(shù)據(jù)集上取

3、得了0.6751的F值。第二，研究面向金融領域的實體關系自動抽取方法。由于缺乏公開的金融實體關系語料庫，本文首先制定了金融實體關系體系以及實體關系標注的規(guī)范。在標注規(guī)范的指導下，對金融新聞進行實體關系標注。由此構建了包含有7大類關系類型，共1417條實體關系實例的金融實體關系語料庫。針對金融領域實體關系表達的特殊性，提出了一種采用分塊詞袋模型與規(guī)則特征相結合的特征提取方法，并應用隨機森林分類器實現(xiàn)金融領域的實體關系抽取。該方法在標注語料