面向新聞領(lǐng)域的人名消歧方法研究.pdf

1、人名消歧是信息檢索、數(shù)據(jù)挖掘等領(lǐng)域非常亟需解決的問題之一。目前，學術(shù)界對于人名消歧的研究已經(jīng)取得了顯著的成果，提出了很多人名消歧的算法。但是由于應(yīng)用的領(lǐng)域的不同，處理的數(shù)據(jù)的不同以及人名消歧任務(wù)本身的復雜性，人名消歧任務(wù)還存在著許多問題。本文面向新聞領(lǐng)域，首先基于傳統(tǒng)的聚類算法以及本文提出的改進算法進行人名消歧，為了有效的結(jié)合人物的背景知識，本文提出基于人物屬性及關(guān)系框架的人名消歧方法，并提出互斥和非互斥的兩階段人名消歧方法。
　

2、　利用傳統(tǒng)的基于凝聚的層次聚類的方法進行人名消歧，將人名消歧的任務(wù)轉(zhuǎn)化為文檔聚類的任務(wù)，并且對特征選擇方法進行改進，針對不同的特征權(quán)重計算方法，簇之間距離計算方法進行對比實驗。由于基于傳統(tǒng)聚類方法進行人名消歧，只是利用詞作為特征，并沒有對特征進行區(qū)別對待，本文提出了基于命名實體和實體詞的人物相似度計算方法，將特征轉(zhuǎn)換為命名實體和實體詞，并且將特征給予不同的權(quán)重進行整合。在本文的任務(wù)中，較于基于層次聚類算法的人名消歧方法，用single-

3、link方法計算簇之間的距離，并且用本文提出的基于命名實體和實體詞的方法計算人物相似度，得到更好的性能。
　　但是，由于文檔主題的多樣性和人物自身的特點，有時人物的類別并不能由文檔的主題所代表或者人物的主題類別區(qū)別不是很明顯，基于此本文提出基于人物屬性及關(guān)系框架的人名消歧方法，首先識別出人物的相關(guān)屬性和關(guān)系實體即一些與人物最相關(guān)的背景知識，提出了人物屬性及關(guān)系實體的識別方法，利用識別出的背景知識，再對人物是否屬于同一個人物進行判斷