人名聚類檢索技術(shù)研究.pdf

1、近幾年來,隨著網(wǎng)絡的發(fā)展,信息迅速增多,互聯(lián)網(wǎng)上的各種信息檢索系統(tǒng)一搜索引擎成為幫助人們上網(wǎng)獲取信息的主要工具。這些搜索引擎在給人們帶來很大便利的同時也暴露出許多問題。人們在查找人名時,搜索引擎返回給用戶的檢索結(jié)果數(shù)量很大,人們難以找到真正符合自己意圖的信息。據(jù)此,現(xiàn)在的研究重點就是如何更快更準確的向用戶提供所需信息。本文的研究目標是對網(wǎng)頁中出現(xiàn)的人名進行同一性甄別,按照其身份信息進行網(wǎng)頁聚類,并對每一個類別自動生成類別名稱,供用戶導航

2、使用。以便用戶能夠快速的查詢和定位到目標人物的信息。 本文首先對信息檢索中的關(guān)鍵技術(shù)進行了詳細介紹,并重點介紹了基于社會角色知識庫的中文人名聚類檢索技術(shù)。在論文中詳細說明了中文人名聚類系統(tǒng)的系統(tǒng)流程設計和流程中各個子模塊的實現(xiàn)方法以及使用到的具體技術(shù)。本文主要從以下方面開展工作： (1)人名基本信息的抽取。針對文本中中文人名的信息出現(xiàn)的特點,使用知識工程方法,人工構(gòu)造了模式庫,并進行實驗驗證。本文從文本內(nèi)容中提取關(guān)于人名

3、的三個屬性(相關(guān)地名、相關(guān)機構(gòu)、相關(guān)職業(yè)); (2)構(gòu)造人物社會角色知識庫。人物社會角色知識庫包括文本中出現(xiàn)的職務詞和機構(gòu)詞。聚類時要想得到好的效果,和相似度的計算精度密切相關(guān),本文構(gòu)造的社會角色知識庫使得在進行聚類時也能考慮到詞語的語義關(guān)系來計算相似度,提高了相似度的計算精度,取得了較好的聚類結(jié)果； (3)根據(jù)抽取到的結(jié)果和人物社會角色特征知識庫進行人名同一性甄別。聚類算法通過無監(jiān)督學習將人名按照其身份的相似度進行區(qū)分