領域自適應的中文實體關系抽取研究.pdf

1、隨著計算機的快速普及，互聯(lián)網(wǎng)的迅猛發(fā)展，各式各樣的信息呈爆炸式增加，如何從海量數(shù)據(jù)中準確、快速地獲取用戶真正需要的信息成為人們關注的話題。信息抽取的主要目的是將非結(jié)構(gòu)化的自然語言文本轉(zhuǎn)化成半結(jié)構(gòu)化或結(jié)構(gòu)化的數(shù)據(jù)，方便人們準確、快速地獲取關鍵信息。關系抽取作為信息抽取的子任務和關鍵技術之一，已經(jīng)逐漸發(fā)展成為眾多自然語言處理任務的重要支撐技術。
　　傳統(tǒng)的關系抽取方法需要預先定義關系類型，依賴于大量人工標注的訓練語料庫，難以滿足互聯(lián)網(wǎng)

2、海量信息處理的需求。本文提出了一種新的關系抽取研究框架，探索最大程度地避免人工參與，且具有較強領域自適應能力的關系抽取解決方案，提高關系抽取的自動化程度，增強可移植性。
　　首先，通過分析關系實例上下文語言現(xiàn)象發(fā)現(xiàn)，絕大多數(shù)產(chǎn)生語義關系的實體對均可以由其上下文中的一般動詞和一般名詞觸發(fā)描述（統(tǒng)稱為特征詞），由此，本文提出基于特征詞聚類的方法，在一定規(guī)模的未標注語料庫上實現(xiàn)關系類型的自動發(fā)現(xiàn)，實驗中達到了與人工預定義關系類型相當?shù)男?/p>

3、果；其次，針對大量待處理的關系類型，本文提出基于Web Mining的關系種子集自動抽取方法，充分利用搜索引擎收集和處理大規(guī)模真實數(shù)據(jù)的能力和優(yōu)勢，抽取具有代表性的實體關系核心網(wǎng)，經(jīng)過在選取的9種關系類型上進行實驗，平均準確率達到了90.91％；再次，根據(jù)中文語言學特點，本文定義了啟發(fā)式上下文模式及其泛化策略，引入 Bootstrapping方法，以實體關系核心網(wǎng)作為輸入，在未標注語料庫上迭代地挖掘關系描述模式，并抽取關系元組，通過對采