面向互動百科的知識抽取和知識庫構(gòu)建方法研究.pdf

1、近年來，互聯(lián)網(wǎng)的蓬勃發(fā)展給人們的生活帶來了極大便利，同時互聯(lián)網(wǎng)上的信息量也呈現(xiàn)出了爆發(fā)式的增長。面對如此巨大的信息源，人們獲取信息的方式卻沒有發(fā)生根本性的改變。究其原因，在于互聯(lián)網(wǎng)上的知識大部分是以相互鏈接的網(wǎng)頁形式存儲的，其存儲的基本單位是文檔，并沒有細(xì)化為知識，因此，計算機(jī)難以理解這些信息，只能根據(jù)淺層的文本分析來幫助人們獲取信息。為了更好地利用互聯(lián)網(wǎng)這個巨大的信息源，人們構(gòu)建了很多機(jī)器可讀的知識庫，并提出了很多構(gòu)建知識庫的方法。<

2、br>　　基于上述背景，本文提出了一種自動從文本中抽取知識的方法，并開發(fā)了一個基于互動百科的知識庫構(gòu)建系統(tǒng)，主要完成了以下工作:
　　1)為了獲取百科頁面數(shù)據(jù)，本文實現(xiàn)了一個自動爬取互動百科詞條頁面的爬蟲程序。根據(jù)互動百科的分類頁面來獲取對應(yīng)分類下的所有詞條頁面。
　　2)為了構(gòu)建知識，本文利用百科詞條頁面結(jié)構(gòu)抽取出了互動百科的中的結(jié)構(gòu)化知識。此外，為了充分利用頁面非結(jié)構(gòu)化部分內(nèi)容包含的知識，本文提出了一種面向中文的開放域?qū)?/p>

3、體關(guān)系抽取方法。為了說明該方法的有效性，本文以數(shù)據(jù)集中的語料樣例對該方法進(jìn)行實驗，結(jié)果表明，該方法能從非結(jié)構(gòu)化文本中抽取出大量正確的實體關(guān)系。
　　3)為了管理從互動百科頁面中抽取出來的知識，本文實現(xiàn)了一個知識存儲系統(tǒng)，該系統(tǒng)接受實體關(guān)系三元組作為輸入，將之存入以RDF文件格式存儲的知識庫中。
　　4)本文所構(gòu)建的知識庫包含大量的實體關(guān)系三元組，為了提供一個方便的用戶接口，本文實現(xiàn)了一個知識庫的檢索系統(tǒng)，允許用戶輸入實體關(guān)系