地名本體實(shí)體與關(guān)系抽取研究.pdf

1、近年來，突發(fā)事件頻頻發(fā)生。應(yīng)急管理的重要性越來越突出。應(yīng)急管理的過程中涉及多方面數(shù)據(jù)的融合。如何快速、準(zhǔn)確的提供相關(guān)的數(shù)據(jù)是急需研究的問題。隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)上的數(shù)據(jù)呈指數(shù)級(jí)增長，這些數(shù)據(jù)中包含了很多應(yīng)急管理需要的信息。地名信息是應(yīng)急信息的核心支撐點(diǎn)。本文進(jìn)行地名本體實(shí)體和關(guān)系抽取研究，抽取地名相關(guān)的實(shí)體和實(shí)體間的關(guān)系，為應(yīng)急數(shù)據(jù)的抽取和語義化奠定核心基礎(chǔ)。
　　 實(shí)體和關(guān)系的抽取屬于自然語言處理中的命名實(shí)體識(shí)別和關(guān)系抽取。

2、目前主流的方法有基于規(guī)則的方法和基于機(jī)器學(xué)習(xí)的方法。本文在抽取的過程中根據(jù)原始文本中實(shí)體和關(guān)系的特點(diǎn)分別因地制宜地采取了基于規(guī)則和基于機(jī)器學(xué)習(xí)的方法。
　　 由于業(yè)界沒有建立好的地名領(lǐng)域抽取的語料庫，本文首先建立了地名本體抽取的實(shí)體體系和關(guān)系體系，然后根據(jù)抽取過程中關(guān)注的特征建立實(shí)體抽取和關(guān)系抽取所需要的語料，詳細(xì)介紹了語料庫構(gòu)建的過程。對(duì)地名本體實(shí)體根據(jù)其在原始文本中出現(xiàn)的規(guī)律進(jìn)行了分類，分別采用基于規(guī)則的方法和利用最大熵進(jìn)行

3、機(jī)器學(xué)習(xí)的方法。首先總結(jié)了四類地名本體實(shí)體的抽取規(guī)則，然后對(duì)于其他的幾類地名本體實(shí)體，首先對(duì)機(jī)器學(xué)習(xí)過程中使用的特征進(jìn)行了分析，基于標(biāo)注的語料，利用最大熵進(jìn)行了地名實(shí)體的抽取。對(duì)于關(guān)系的抽取，首先分析了關(guān)系的特點(diǎn)，采用基于特征向量的方法，利用SVM進(jìn)行關(guān)系的抽取。根據(jù)語料的特點(diǎn)，提出了基于規(guī)則的方法抽取地名本體的關(guān)系。同時(shí)，分析了關(guān)系的特點(diǎn)，制定了相關(guān)的規(guī)則，從已有的關(guān)系出發(fā)，推導(dǎo)出隱含的關(guān)系，進(jìn)一步豐富地名本體關(guān)系庫。