基于句法結(jié)構(gòu)的術(shù)語關(guān)系抽取方法研究.pdf

1、目前，互聯(lián)網(wǎng)上的數(shù)據(jù)正在以指數(shù)的方式迅速增長，將互聯(lián)網(wǎng)上內(nèi)容豐富、形式多樣的海量數(shù)據(jù)轉(zhuǎn)化為知識并將其有效地存儲和表示具有極其重要的意義。同時，伴隨著自然語言處理技術(shù)的不斷發(fā)展和成熟，從Web開放領(lǐng)域文本中抽取出有用的信息并以此構(gòu)建知識圖譜也成為可能。
　　術(shù)語是在特定科學(xué)領(lǐng)域中使用的、相對固定的詞或短語，可以用來正確標(biāo)記各個專門領(lǐng)域中的事物、現(xiàn)象、特性、關(guān)系和過程，是科學(xué)研究和知識交流的有力工具。術(shù)語關(guān)系體現(xiàn)并表示了一個領(lǐng)域的核心

2、知識，對理解學(xué)習(xí)領(lǐng)域知識、預(yù)測未來趨勢具有重要的理論和現(xiàn)實意義。另外，術(shù)語關(guān)系也可以廣泛應(yīng)用到信息檢索、自動問答系統(tǒng)、知識圖譜構(gòu)建等領(lǐng)域。然而，人工從大規(guī)模語料中抽取術(shù)語關(guān)系費時費力。因此自動或半自動抽取術(shù)語關(guān)系成為研究的熱點。
　　本文針對開放領(lǐng)域術(shù)語關(guān)系的獲取進行了研究和探討，提出了基于句法結(jié)構(gòu)的術(shù)語關(guān)系抽取方法，并在此基礎(chǔ)上構(gòu)建醫(yī)療領(lǐng)域知識圖譜，本文的主要貢獻總結(jié)如下:
　　(1)提出了高精度自舉術(shù)語模板獲取方法，在利

3、用模板進行關(guān)系抽取的過程中，關(guān)系模板的質(zhì)量直接影響著抽取結(jié)果的質(zhì)量。充分利用Web數(shù)據(jù)的多樣性進行自舉迭代，將小規(guī)模的術(shù)語種子集擴展為大規(guī)模的術(shù)語關(guān)系庫。并利用深度學(xué)習(xí)工具word2vec訓(xùn)練詞向量并進行語義相似度計算，根據(jù)相似度排序，選擇相似度最高的術(shù)語關(guān)系作為新的種子，其在一定程度上避免了傳統(tǒng)自舉方法中的語義漂移問題。
　　(2)提出基于依存句法結(jié)構(gòu)的術(shù)語關(guān)系抽取方法。該方法借助依存句法分析和語義角色標(biāo)注技術(shù)，對語句的句法依存

4、樹進行最小子樹裁剪，提取以動詞為中心的具有語義依存關(guān)系的句子主干，使之既能涵蓋術(shù)語關(guān)系的關(guān)鍵信息，又能減少依存句法分析錯誤所帶來的噪音。通過對模板進行泛化，根據(jù)核心動詞結(jié)合文本篇章分析對關(guān)系類別進行標(biāo)注，并利用數(shù)據(jù)庫進行結(jié)構(gòu)化存儲，實現(xiàn)快速查詢。實驗表明，基于句法結(jié)構(gòu)的關(guān)系抽取方法能有效的利用結(jié)構(gòu)化特征捕捉到術(shù)語語義關(guān)系。
　　(3)提出多類型術(shù)語關(guān)系的知識圖譜構(gòu)建方法，知識圖譜可以用結(jié)構(gòu)化的形式描述客觀世界的概念、實體、事件及其