基于句法結(jié)構(gòu)的術(shù)語(yǔ)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(zhǎng)，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(shí)并將其有效地存儲(chǔ)和表示具有極其重要的意義。同時(shí)，伴隨著自然語(yǔ)言處理技術(shù)的不斷發(fā)展和成熟，從Web開(kāi)放領(lǐng)域文本中抽取出有用的信息并以此構(gòu)建知識(shí)圖譜也成為可能。
　　術(shù)語(yǔ)是在特定科學(xué)領(lǐng)域中使用的、相對(duì)固定的詞或短語(yǔ)，可以用來(lái)正確標(biāo)記各個(gè)專門領(lǐng)域中的事物、現(xiàn)象、特性、關(guān)系和過(guò)程，是科學(xué)研究和知識(shí)交流的有力工具。術(shù)語(yǔ)關(guān)系體現(xiàn)并表示了一個(gè)領(lǐng)域的核心

2、知識(shí)，對(duì)理解學(xué)習(xí)領(lǐng)域知識(shí)、預(yù)測(cè)未來(lái)趨勢(shì)具有重要的理論和現(xiàn)實(shí)意義。另外，術(shù)語(yǔ)關(guān)系也可以廣泛應(yīng)用到信息檢索、自動(dòng)問(wèn)答系統(tǒng)、知識(shí)圖譜構(gòu)建等領(lǐng)域。然而，人工從大規(guī)模語(yǔ)料中抽取術(shù)語(yǔ)關(guān)系費(fèi)時(shí)費(fèi)力。因此自動(dòng)或半自動(dòng)抽取術(shù)語(yǔ)關(guān)系成為研究的熱點(diǎn)。
　　本文針對(duì)開(kāi)放領(lǐng)域術(shù)語(yǔ)關(guān)系的獲取進(jìn)行了研究和探討，提出了基于句法結(jié)構(gòu)的術(shù)語(yǔ)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(shí)圖譜，本文的主要貢獻(xiàn)總結(jié)如下:
　　(1)提出了高精度自舉術(shù)語(yǔ)模板獲取方法，在利

3、用模板進(jìn)行關(guān)系抽取的過(guò)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(jìn)行自舉迭代，將小規(guī)模的術(shù)語(yǔ)種子集擴(kuò)展為大規(guī)模的術(shù)語(yǔ)關(guān)系庫(kù)。并利用深度學(xué)習(xí)工具word2vec訓(xùn)練詞向量并進(jìn)行語(yǔ)義相似度計(jì)算，根據(jù)相似度排序，選擇相似度最高的術(shù)語(yǔ)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(yǔ)義漂移問(wèn)題。
　　(2)提出基于依存句法結(jié)構(gòu)的術(shù)語(yǔ)關(guān)系抽取方法。該方法借助依存句法分析和語(yǔ)義角色標(biāo)注技術(shù)，對(duì)語(yǔ)句的句法依存

4、樹(shù)進(jìn)行最小子樹(shù)裁剪，提取以動(dòng)詞為中心的具有語(yǔ)義依存關(guān)系的句子主干，使之既能涵蓋術(shù)語(yǔ)關(guān)系的關(guān)鍵信息，又能減少依存句法分析錯(cuò)誤所帶來(lái)的噪音。通過(guò)對(duì)模板進(jìn)行泛化，根據(jù)核心動(dòng)詞結(jié)合文本篇章分析對(duì)關(guān)系類別進(jìn)行標(biāo)注，并利用數(shù)據(jù)庫(kù)進(jìn)行結(jié)構(gòu)化存儲(chǔ)，實(shí)現(xiàn)快速查詢。實(shí)驗(yàn)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(yǔ)語(yǔ)義關(guān)系。
　　(3)提出多類型術(shù)語(yǔ)關(guān)系的知識(shí)圖譜構(gòu)建方法，知識(shí)圖譜可以用結(jié)構(gòu)化的形式描述客觀世界的概念、實(shí)體、事件及其