基于KSVM的中文實(shí)體關(guān)系抽取研究.pdf

1、信息抽取的主要目的是將非結(jié)構(gòu)化的文本轉(zhuǎn)換為結(jié)構(gòu)化的信息,這既可以滿足人們從海量信息中得到有價值信息的需求,同時也是信息檢索、自動問答系統(tǒng)等方面的基礎(chǔ)技術(shù)。實(shí)體關(guān)系抽取是信息抽取的重要環(huán)節(jié),目前已經(jīng)成為熱門的研究課題且具有廣闊的應(yīng)用前景。在近年的研究中,人們把實(shí)體之間的關(guān)系抽取轉(zhuǎn)化為分類問題,構(gòu)造相關(guān)的關(guān)系實(shí)例,通過機(jī)器學(xué)習(xí)算法訓(xùn)練得到分類器,來判斷候選關(guān)系屬于哪一類預(yù)定義關(guān)系。
　　在機(jī)器學(xué)習(xí)算法中,SVM(Support Vec

2、tor Machine)分類的精確度最高,KNN(K-Nearest Neighbor)居于其次。由于SVM所采用的核函數(shù)可以將非線性的分類轉(zhuǎn)換為線性的分類問題,而且具有隱含的高維分類特點(diǎn),因此基于核函數(shù)的實(shí)體關(guān)系抽取方法成為目前應(yīng)用最為廣泛的方法。針對采用SVM進(jìn)行分類以及核函數(shù)本身在中文實(shí)體關(guān)系抽取中的不足,本文的主要工作以及創(chuàng)新點(diǎn)如下:
　　1.在基于SVM的中文實(shí)體關(guān)系抽取方法中,錯分的樣本點(diǎn)大多數(shù)都分布在特征空間中最優(yōu)分

3、界面的附近,是因?yàn)椴捎肧VM進(jìn)行分類時只取一個代表點(diǎn)進(jìn)行分類,本文針對這一問題提出了一種基于KSVM的中文實(shí)體關(guān)系抽取的方法。該方法結(jié)合SVM和KNN算法各自的優(yōu)勢,對于在分界面附近的樣本點(diǎn)使用KNN進(jìn)行分類,因?yàn)槭褂肒NN進(jìn)行分類時把每一個樣本點(diǎn)都看做是代表點(diǎn);對于離分界面較遠(yuǎn)的樣本點(diǎn)使用SVM進(jìn)行分類。最后在中文語料庫上進(jìn)行了實(shí)驗(yàn),驗(yàn)證了該方法具有更好的分類效果。
　　2.采用基于樹核函數(shù)方法進(jìn)行關(guān)系抽取時,關(guān)系實(shí)例結(jié)構(gòu)語法樹