基于特征向量的人物關(guān)系抽取方法研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展和廣泛應(yīng)用，網(wǎng)絡(luò)中包含各種大量信息，例如人物實(shí)體與場所實(shí)體的關(guān)系、人物實(shí)體與人物實(shí)體的關(guān)系。然而這些信息并沒有被有效的利用。如何從網(wǎng)絡(luò)中挖掘出人物實(shí)體間的關(guān)系是人們?nèi)找骊P(guān)注的問題。目前，基于特征向量的實(shí)體關(guān)系抽取技術(shù)已經(jīng)比較成熟，也是最常用的方法之一。
　　基于特征向量的實(shí)體關(guān)系抽取方法把實(shí)體關(guān)系抽取轉(zhuǎn)化為分類問題，因?yàn)橹С窒蛄繖C(jī)算法(SupportVector Machine，SVM)分類準(zhǔn)確度非常高，所以人

2、們一般在基于特征向量方法的基礎(chǔ)上，結(jié)合SVM分類器進(jìn)行實(shí)體關(guān)系抽取研究。然而，這一種普遍的實(shí)體關(guān)系抽取方法存在著一些不足，本文針對其中兩個方面進(jìn)行了以下研究和改進(jìn)：
　　一、一般的多分類SVM會存在不可分區(qū)域，用其來進(jìn)行人物關(guān)系抽取，會使一些關(guān)系得不到分類，從而影響人物關(guān)系抽取的結(jié)果。針對這一現(xiàn)象，引入DAG-SVM多分類方法來解決人物關(guān)系抽取不可分區(qū)域問題，鑒于DAG-SVM存在“誤差累積”的缺陷，文中將人物關(guān)系分為親屬關(guān)系、其

3、他社會關(guān)系這兩大類，并把這兩類作為根節(jié)點(diǎn)，來緩解“誤差累積”現(xiàn)象。通過用一般的多分類方法、FMSVM多分類和DAG-SVM多分類方法進(jìn)行實(shí)驗(yàn)比較。結(jié)果表明本文方法對人物關(guān)系抽取的準(zhǔn)確率有一定的提高。
　　二、在人物關(guān)系抽取中，其特征空間維度往往非常高，這樣就會造成向量稀疏問題，從而影響關(guān)系抽取的效率。針對這一現(xiàn)象，首先將人物關(guān)系分為6類，然后引入了文檔頻率、信息增益、互信息和χ2統(tǒng)計(jì)這四種文本文類的特征選擇算法，對特征空間進(jìn)行降維