基于特征向量的實(shí)體間語義關(guān)系抽取研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展和廣泛運(yùn)用，大量的信息以非結(jié)構(gòu)化電子文本的形式出現(xiàn)在人們面前。為了更好地獲得這些非結(jié)構(gòu)化信息，信息抽取應(yīng)運(yùn)而生。信息抽取，就是從自然文本中提取出預(yù)先指定好的信息，并給出該信息的結(jié)構(gòu)化描述。其中，實(shí)體關(guān)系抽取作為信息抽取研究中的一個(gè)重要課題，它的基本任務(wù)是識別并判定實(shí)體對之間存在的特定關(guān)系，目前主要的抽取技術(shù)為基于特征向量和基于核函數(shù)的機(jī)器學(xué)習(xí)算法。實(shí)體關(guān)系抽取研究的意義在于它與信息過濾、信息檢索和問答系統(tǒng)有直接的關(guān)聯(lián)

2、，并且作為一項(xiàng)基礎(chǔ)性研究，它對于內(nèi)容理解、語境生成、自動文摘、機(jī)器翻譯、文本分類以及信息過濾等都有重要的研究意義。
　　本文針對基于特征向量的實(shí)體關(guān)系抽取中涉及的兩個(gè)主要問題(特征選取和特征選擇)進(jìn)行了研究，具體內(nèi)容包括以下兩方面：
　　1.提出了基于語義角色特征的實(shí)體關(guān)系抽取方案。
　　基于特征向量的實(shí)體關(guān)系抽取本質(zhì)上是將實(shí)體關(guān)系抽取問題轉(zhuǎn)化為分類問題，即先定義好幾個(gè)關(guān)系類型，然后將實(shí)體對之間的關(guān)系分類到預(yù)定義的關(guān)系

3、類型。目前實(shí)體關(guān)系抽取常用的特征有實(shí)體及其上下文特征、動詞特征、距離特征、實(shí)體擴(kuò)展特征等，然而實(shí)體間關(guān)系的判別是語義層面的，不能僅依賴于詞語層面。因此本文提出了基于語義角色的實(shí)體關(guān)系抽取方案，該方案在常用特征的基礎(chǔ)上新加入了語義角色特征。由于語義角色的標(biāo)注代表了句子的淺層語法結(jié)構(gòu)，它不僅暗示了謂詞和謂詞框架中其它詞語之間的語義關(guān)系，還暗示了謂詞的不同成分之間的語義關(guān)系。因此，包含了豐富信息的語義角色特征，將有助于區(qū)分不同實(shí)體間的關(guān)系類型

4、，進(jìn)而在一定程度上提高實(shí)體關(guān)系抽取結(jié)果。
　　2.提出了基于特征選擇的實(shí)體關(guān)系抽取方案。
　　在文本分類問題中，特征空間維數(shù)一般能達(dá)到幾萬或者幾十萬維，這樣的高維空間一方面將使得訓(xùn)練分類模型以及預(yù)測結(jié)果的時(shí)間開銷大大提高，另一方面還可能由于引入了一些不必要的特征而使得抽取分類有所降低。針對上述問題，人們已經(jīng)進(jìn)行了長時(shí)間的研究，并且取得了一定成果。在基于特征向量的實(shí)體關(guān)系抽取問題中，也存在類似的問題，即過高的特征空間增加了關(guān)系