實體關系自動抽取技術的比較研究.pdf

1、隨著計算機技術和網絡技術的不斷發(fā)展，海量信息以電子文檔的形式出現在人們面前。從這些自然文本中提取出有用的信息，日益成為人們關注的問題。因此信息抽取技術應運而生，關系抽取是其中的一個子任務。
　　文本中特定的事實信息稱為實體，而確定這些實體之間的關系稱為實體關系抽取。實體關系抽取對本體庫的構建以及改進信息檢索技術等有重要的作用。本文重點對實體關系抽取技術的幾個問題進行了研究和解決：
　　首先，本文抽取了傳統(tǒng)命名實體以外的存在重

2、要語義關系的詞：領域術語。針對領域術語評測數據的不統(tǒng)一和評價的困難性，通過詞典評測、人工評測在準確率、召回率、F度量等評價指標上與幾種主流的基于統(tǒng)計的術語抽取方法進行了詳細的對比和分析。本文還提出了基于線性支持向量機權重的術語抽取方法，實驗結果表明，該方法能有效地抽取領域術語。
　　其次，本文基于不同的應用需求，利用統(tǒng)一的語料對比研究了基于特征的有監(jiān)督、半監(jiān)督和無監(jiān)督的實體關系抽取方法。
　　在有監(jiān)督實體關系抽取方法中，前人

3、的研究工作沒有考慮各種特征對兩個實體間無關系即no-relation的影響。對此，本文詳細對比了通用特征：實體周圍詞語、實體類型、子類型、實體位置、實體中心詞和內容的依存句法分析對真正關系和no-relation的影響，并提出了新特征：特征詞位置信息，實驗表明該特征能有效提高實體關系抽取的準確率。
　　本文通過 Bootstrapping半監(jiān)督實體關系抽取方法進行了不同的對比實驗：實體特征、種子集規(guī)模對實體關系抽取性能的影響；同等

4、條件下，半監(jiān)督實體關系抽取方法與有監(jiān)督實體關系抽取方法的性能比較。實驗結果表明半監(jiān)督實體關系抽取能夠提高實體關系抽取的準確率。
　　無監(jiān)督實體關系抽取方法主要采用的是聚類方法，因此本文主要研究了聚類算法以及合并策略對實體關系抽取的影響。本文對比研究了三種聚類算法，即K-means、自組織映射和Affinity Propagation算法，以及兩種合并策略（DCM和Cosine）。Affinity Propagation算法能夠取得