基于特征向量的人物關系抽取方法研究.pdf

1、隨著互聯(lián)網的迅猛發(fā)展和廣泛應用，網絡中包含各種大量信息，例如人物實體與場所實體的關系、人物實體與人物實體的關系。然而這些信息并沒有被有效的利用。如何從網絡中挖掘出人物實體間的關系是人們日益關注的問題。目前，基于特征向量的實體關系抽取技術已經比較成熟，也是最常用的方法之一。
　　基于特征向量的實體關系抽取方法把實體關系抽取轉化為分類問題，因為支持向量機算法(SupportVector Machine，SVM)分類準確度非常高，所以人

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

3、他社會關系這兩大類，并把這兩類作為根節(jié)點，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多分類方法進行實驗比較。結果表明本文方法對人物關系抽取的準確率有一定的提高。
　　二、在人物關系抽取中，其特征空間維度往往非常高，這樣就會造成向量稀疏問題，從而影響關系抽取的效率。針對這一現(xiàn)象，首先將人物關系分為6類，然后引入了文檔頻率、信息增益、互信息和χ2統(tǒng)計這四種文本文類的特征選擇算法，對特征空間進行降維