自動抽取維基百科文本中的語義關(guān)系.pdf

1、語義Web的構(gòu)建不僅需要由本體來定義基本知識骨架，同時也需要由遵循本體而定義的實例層知識庫來構(gòu)建內(nèi)容。雖然語義Web數(shù)據(jù)逐漸增長，但是實例層的數(shù)據(jù)卻依然較為稀少。語義關(guān)系是構(gòu)建語義知識庫的重要組成部分。因此，抽取語義關(guān)系實例對語義Web的實現(xiàn)極其重要。 維基百科是一個免費的在線百科全書。它也是目前最大的在線知識庫之一。在擁有較高覆蓋面的同時，其內(nèi)容也具有很高的準(zhǔn)確度。抽取維基百科中的語義關(guān)系對知識庫的構(gòu)建具有很大意義。維基百科中

2、，大量信息以文本形式呈現(xiàn)，盡管其中大量結(jié)構(gòu)化信息可以直接作為關(guān)系抽取的有效數(shù)據(jù)來源，但大部分的語義關(guān)系仍然需要從自然語言文本中獲取。 抽取維基百科自然語言文本中的語義關(guān)系有兩大難點：如何有效的識別維基百科中細(xì)粒度的實體；如何基于少量的關(guān)系樣例獲取較高的關(guān)系抽取性能。在本文中，首先，我們提出利用維基百科結(jié)構(gòu)化信息來輔助語義關(guān)系的抽取。我們借鑒了計算語言學(xué)領(lǐng)域的選擇約束，創(chuàng)新性的利用維基百科的結(jié)構(gòu)化信息來生成表達語義關(guān)系選擇約束的特

3、征，并提出了具體的特征選擇方法。我們利用這種選擇約束特征來識別和驗證實體，從而有效輔助基于模式匹配的關(guān)系抽取。實驗表明選擇約束特征極大的提升了關(guān)系抽取的性能。此外，考慮到在維基百科文本關(guān)系抽取中，我們只能從結(jié)構(gòu)化的信息表格中獲取少量關(guān)系樣例而缺乏相應(yīng)的關(guān)系反例，同時還缺乏一個關(guān)系分類層次，因此我們引入了文本分類領(lǐng)域中基于正例的學(xué)習(xí)算法，創(chuàng)新性的將其應(yīng)用到關(guān)系抽取中（據(jù)我們所知，之前尚無研究工作將基于正例的學(xué)習(xí)算法應(yīng)用到關(guān)系抽取領(lǐng)域）。我