基于句法分析的中文事件抽取方法研究.pdf

1、在目前信息爆炸的時(shí)代，迫切需要一些更加自動(dòng)化、智能化的工具幫助人們?cè)诤Ａ课谋緮?shù)據(jù)中迅速找到真正需要的信息。信息抽取技術(shù)應(yīng)運(yùn)而生，成為自然語言處理研究領(lǐng)域的重要方面。 事件抽取是信息抽取中的一個(gè)重要的研究方向。事件抽取能從非結(jié)構(gòu)化文本中抽取出事件信息并以結(jié)構(gòu)化的形式呈現(xiàn)出來，是信息抽取研究中最具挑戰(zhàn)性的任務(wù)之一。目前，國內(nèi)外對(duì)該問題已經(jīng)進(jìn)行了一些研究或探討，還沒有一種成熟的事件抽取技術(shù)在實(shí)際中廣泛應(yīng)用。 本文以微觀粒度的事

2、件作為研究對(duì)象，描述了一種對(duì)中文文本的基于句法分析的事件信息抽取方法。主要的研究內(nèi)容及創(chuàng)新點(diǎn)如下： (1)根據(jù)漢語句法的特點(diǎn)，提出了一種新的基于句法分析的事件抽取方法及相關(guān)的一系列算法，首先對(duì)文本信息進(jìn)行詞法分析和句法分析得到句法分析樹，然后根據(jù)歸納的規(guī)則對(duì)句法分析樹進(jìn)行處理，從中自動(dòng)地抽取事件的元素信息，擺脫了對(duì)大量事件模板的依賴，在保證較高的抽取準(zhǔn)確率的同時(shí)，又增強(qiáng)了通用性。 (2)在進(jìn)行句法分析時(shí)，針對(duì)句法分析器對(duì)

3、長句處理效率低下甚至無法進(jìn)行處理的問題，提出了拆分句子的算法，即當(dāng)長句子的字?jǐn)?shù)超過設(shè)置的閾值時(shí)，以句子中最接近中點(diǎn)的標(biāo)點(diǎn)符號(hào)為標(biāo)識(shí)將長句一分為二，分別進(jìn)行事件抽取，大大提高了對(duì)長句的事件抽取效率。 (3)對(duì)于句子中存在隱含主體的情況，根據(jù)句法分析樹的結(jié)構(gòu)特點(diǎn)提出了隱含主體抽取算法，采用向上回溯的方法查找與事件最相關(guān)的名詞作為事件的主體，并對(duì)常見的兩種情況分別討論處理，以保證事件信息的完整性，提高了事件抽取的準(zhǔn)確性。 (4

4、)采用中科院的ICTCLAS分詞工具和Stanford Parser句法分析器，根據(jù)提出的中文事件抽取方法及相關(guān)算法，設(shè)計(jì)實(shí)現(xiàn)了原型系統(tǒng)，可以對(duì)批量文本自動(dòng)進(jìn)行事件抽取，達(dá)到了較高的效率和準(zhǔn)確性，驗(yàn)證了該事件抽取方法的可行性。 另外，為了實(shí)驗(yàn)方便有效地進(jìn)行，我們對(duì)分詞工具做了添加新詞到字典庫和批量文件分詞等改進(jìn)；在實(shí)驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)階段，由于從每個(gè)語句抽取的事件信息都需要人工判斷以進(jìn)行統(tǒng)計(jì)，我們做了一個(gè)小工具以減少統(tǒng)計(jì)出錯(cuò)的幾率和提