半監(jiān)督中文實(shí)體關(guān)系抽取研究.pdf

1、隨著計(jì)算機(jī)的廣泛普及和互聯(lián)網(wǎng)的飛速發(fā)展,現(xiàn)實(shí)世界的信息呈指數(shù)級(jí)增長(zhǎng)。一個(gè)需要迫切解決的問(wèn)題就是如何從這些海量的信息中獲取出人們所需要的特定信息。關(guān)系抽取是信息抽取領(lǐng)域中一個(gè)重要的研究方向,自動(dòng)識(shí)別出用自然語(yǔ)言表的兩個(gè)實(shí)體之間的關(guān)聯(lián)信息,例如“蒂姆·庫(kù)克是蘋果公司的首席執(zhí)行官”,人物實(shí)體“蒂姆·庫(kù)克”和組織機(jī)構(gòu)實(shí)體“蘋果公司”之間存在雇傭關(guān)系,即“蒂姆·庫(kù)克”是“蘋果公司”的雇員,擔(dān)任首席執(zhí)行官的職位。
　　 該文利用半監(jiān)督學(xué)習(xí)算

2、法進(jìn)行中文關(guān)系抽取研究。為表征實(shí)體關(guān)系的實(shí)例,結(jié)合特征向量和樹核函數(shù)兩種方法:特征向量表征了實(shí)體關(guān)系的語(yǔ)言信息,而樹核函數(shù)表征了實(shí)體關(guān)系的結(jié)構(gòu)信息。采用自訓(xùn)練、互訓(xùn)練和標(biāo)簽傳播半監(jiān)督學(xué)習(xí)算法進(jìn)行中文關(guān)系檢測(cè)和類型識(shí)別。針對(duì)語(yǔ)料中存在缺失關(guān)系類型的問(wèn)題,提出了基于半監(jiān)督學(xué)習(xí)的中文關(guān)系類型發(fā)現(xiàn)模型。下面針對(duì)中文關(guān)系檢測(cè)和識(shí)別與中文關(guān)系類型發(fā)現(xiàn)兩個(gè)角度進(jìn)行深入的分析:
　　 1)利用半監(jiān)督學(xué)習(xí)方法進(jìn)行中文關(guān)系檢測(cè)和類型識(shí)別。語(yǔ)料中非關(guān)

3、系實(shí)例所占的比例達(dá)到了95％。為了防止出現(xiàn)太多的噪音,首先進(jìn)行關(guān)系檢測(cè),過(guò)濾非關(guān)系實(shí)例,結(jié)合實(shí)體對(duì)上下文和對(duì)應(yīng)的詞性、兩個(gè)實(shí)體的類型和子類型以及兩個(gè)實(shí)體的位置關(guān)系等特征以及結(jié)構(gòu)化特征,利用自訓(xùn)練、互訓(xùn)練、標(biāo)簽傳播算法等半監(jiān)督學(xué)習(xí)算法對(duì)候選關(guān)系實(shí)例進(jìn)行關(guān)系檢測(cè)工作。然后利用對(duì)應(yīng)的半監(jiān)督學(xué)習(xí)算法在候選關(guān)系實(shí)例上進(jìn)行關(guān)系類型識(shí)別。在ACE2005中文語(yǔ)料上的實(shí)驗(yàn)結(jié)果顯示,在關(guān)系類型識(shí)別上半監(jiān)督學(xué)習(xí)算法取得了良好的效果。
　　 2)針對(duì)