基于機器學(xué)習(xí)的企業(yè)實體間關(guān)系的抽取技術(shù)研究.pdf

1、企業(yè)實體間關(guān)系的抽取是實體關(guān)系抽取的一種，是一種典型的信息抽取問題。在MUC和ACE評測的推動下，近年來國內(nèi)外的實體關(guān)系抽取的研究工作取得了巨大進(jìn)步，研究者提出了眾多有效的解決方法。其中基于機器學(xué)習(xí)的方法，在定義好關(guān)系類型的前提下，將關(guān)系抽取問題轉(zhuǎn)換為分類問題，顯示了非常好的性能。基于平面特征向量的方法就是全監(jiān)督學(xué)習(xí)的一種，它針對實體對在句子中的上下文中的詞語、詞性、實體類型等構(gòu)建特征向量，建立向量空間模型，進(jìn)而使用分類器進(jìn)行關(guān)系類型識

2、別。本文使用了這一種方法。另一種全監(jiān)督學(xué)習(xí)的方法使用了核特征，它是在實體對出現(xiàn)的上下文片段中進(jìn)行淺層句法分析，通過構(gòu)造核函數(shù)計算兩個結(jié)構(gòu)對象（如語法樹結(jié)構(gòu)）的的相似性，也取得非常不錯的效果。
　　我們首先針對企業(yè)關(guān)系的特點，定義出了六種典型的關(guān)系類型，并為每一種關(guān)系定義相應(yīng)的關(guān)鍵詞列表，然后從web上爬取得到一個較大規(guī)模的數(shù)據(jù)集。數(shù)據(jù)集經(jīng)過預(yù)處理之后，人工標(biāo)注出一個小規(guī)模的實例集合，并隨機生成一個測試集。本文首先將我們的標(biāo)注集合作

3、為訓(xùn)練數(shù)據(jù)，使用了平面特征向量的全監(jiān)督學(xué)習(xí)的方法構(gòu)建了一個企業(yè)實體關(guān)系抽取系統(tǒng)。系統(tǒng)使用的平面特征包括實體前后的一定窗口大小內(nèi)的四種詞，使用了SVM和kNN兩種分類器。
　　現(xiàn)存的多數(shù)方法是基于大規(guī)模標(biāo)注語料，進(jìn)行全監(jiān)督學(xué)習(xí)從而獲得抽取結(jié)果。然而在現(xiàn)實中大多數(shù)情況下，我們?nèi)狈?biāo)注語料，同時又易獲得大量的未標(biāo)注語料。為此本文構(gòu)建了一種基于模板的半監(jiān)督學(xué)習(xí)的企業(yè)實體關(guān)系抽取系統(tǒng)。這個系統(tǒng)將標(biāo)注數(shù)據(jù)作為種子，運用了一套有效的模板學(xué)習(xí)和評