基于聚類的事件蘊(yùn)涵抽取方法研究與實(shí)現(xiàn).pdf

1、文本蘊(yùn)涵的概念起源于邏輯學(xué)，同時(shí)是語(yǔ)言學(xué)，特別是語(yǔ)義研究中的重要課題。近幾年，隨著人工智能研究的進(jìn)步，特別是計(jì)算機(jī)領(lǐng)域中自然語(yǔ)言處理領(lǐng)域的進(jìn)步，使得文本蘊(yùn)涵成為計(jì)算機(jī)科學(xué)中研究的熱門(mén)問(wèn)題。掌握發(fā)現(xiàn)蘊(yùn)涵的機(jī)制，將可促進(jìn)多方面自然語(yǔ)言處理任務(wù)的發(fā)展，如信息抽取、信息檢索、文檔摘要、問(wèn)答系統(tǒng)、文景轉(zhuǎn)換等。因此，研究在文本中發(fā)現(xiàn)蘊(yùn)涵的方法，在當(dāng)前自然語(yǔ)言處理中具有重要意義。
　　事件蘊(yùn)涵是文本蘊(yùn)涵的一部分，專注于動(dòng)詞。以往的事件蘊(yùn)涵抽取方

2、法不僅準(zhǔn)確率一般，而且方法的時(shí)間復(fù)雜度高。本文使用聚類方法首先將數(shù)據(jù)分類，降低了總體的時(shí)間開(kāi)銷。同時(shí)放棄了傳統(tǒng)的，基于統(tǒng)計(jì)的類KL距離度量或互信息度量，而采用基于資源的語(yǔ)義相似度度量為動(dòng)詞對(duì)評(píng)分，不僅進(jìn)一步降低了時(shí)間開(kāi)銷，還取得了較好的準(zhǔn)確率。
　　本文不僅描述了新的基于聚類的事件蘊(yùn)涵抽取方法，也給出了可用的中、英文事件蘊(yùn)涵關(guān)系庫(kù)范例。通過(guò)對(duì)生成的中、英文關(guān)系庫(kù)的隨機(jī)抽樣打分，發(fā)現(xiàn)生成的關(guān)系庫(kù)不僅涵蓋了大部分常見(jiàn)的蘊(yùn)涵關(guān)系，更包含