Web人名消歧方法的研究與實(shí)現(xiàn).pdf

1、人名歧義是一種身份不確定現(xiàn)象,現(xiàn)實(shí)中同一個(gè)姓名可能被多個(gè)實(shí)體人物所使用,這種情況都會(huì)產(chǎn)生人名歧義。隨著Internet的發(fā)展,網(wǎng)頁中人名同名問題開始對(duì)網(wǎng)絡(luò)應(yīng)用,特別是給搜索引擎帶來不利影響。Web人名消歧研究如何把Web網(wǎng)頁中的人名按照真實(shí)世界中具體的人進(jìn)行分類,它是近幾年來才發(fā)展起來的自然語言處理技術(shù)的一個(gè)研究熱點(diǎn)。
　　 首先,本文分析了人名消歧的國內(nèi)外研究現(xiàn)狀,并結(jié)合人名消歧的關(guān)鍵技術(shù),提出了人名消歧的基本框架和處理流程。

2、
　　 其次,本文通過對(duì)Web網(wǎng)頁結(jié)構(gòu)分析,針對(duì)人名消歧的特點(diǎn),提出了基于CSS的網(wǎng)頁主體內(nèi)容提取技術(shù)。該技術(shù)通過對(duì)網(wǎng)頁進(jìn)行解析和布局處理,獲取其中的CSS信息,抽取網(wǎng)頁正文和對(duì)人名消歧有價(jià)值的標(biāo)記。實(shí)驗(yàn)證明本方法具有較高的完整率。
　　 最后,特征選擇在人名消歧中有至關(guān)重要的作用,本文在研究了淺層語義分析特征在人名消歧中的作用的基礎(chǔ)上,根據(jù)網(wǎng)頁的主題相關(guān)性和名字上下文噪音小等特性,提出一種基于主題模型LDA(Laten