中文信息抽取關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)等新興媒體的迅猛發(fā)展，如何從海量電子文檔中及時(shí)準(zhǔn)確地找到需要的信息已經(jīng)成為一個(gè)亟待解決的問題，信息抽取正是在這樣的背景下產(chǎn)生并發(fā)展起來的。 本文對中文信息抽取的幾個(gè)關(guān)鍵技術(shù)進(jìn)行了研究，設(shè)計(jì)實(shí)現(xiàn)了多個(gè)面向不同領(lǐng)域的信息抽取實(shí)驗(yàn)系統(tǒng)，并對信息抽取在信息內(nèi)容安全領(lǐng)域的應(yīng)用進(jìn)行了初步探索。 論文的主要研究成果如下： 1.設(shè)計(jì)實(shí)現(xiàn)了一種自底向上的有監(jiān)督機(jī)器學(xué)習(xí)算法，不僅能較準(zhǔn)確地完成規(guī)則的自動(dòng)提取，還能較好地實(shí)現(xiàn)

2、領(lǐng)域間的移植。在此基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了兩個(gè)實(shí)驗(yàn)系統(tǒng)：財(cái)經(jīng)領(lǐng)域公司人事變動(dòng)新聞的信息抽取實(shí)驗(yàn)系統(tǒng)和移動(dòng)賽事新聞點(diǎn)播系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，規(guī)則提取算法對兩個(gè)系統(tǒng)都是有效的。本文還探索了信息抽取與移動(dòng)終端技術(shù)的結(jié)合，移動(dòng)賽事新聞點(diǎn)播系統(tǒng)表明，“信息抽取+短信息”的智能信息服務(wù)模式是完全可行的。 2.采用隱馬爾科夫模型對體育賽事新聞文本進(jìn)行抽取，設(shè)計(jì)并實(shí)現(xiàn)了實(shí)驗(yàn)系統(tǒng)三。并在統(tǒng)計(jì)方法的基礎(chǔ)上加入了規(guī)則的方法，通過兩種方式的結(jié)合，提高信息抽取性

3、能。實(shí)驗(yàn)結(jié)果表明，這種統(tǒng)計(jì)與規(guī)則相結(jié)合的中文信息抽取方式取得了比較令人滿意的效果。 3.在體育賽事新聞?lì)I(lǐng)域?qū)γ麑?shí)體識別進(jìn)行了重點(diǎn)研究，通過基于規(guī)則的方法實(shí)現(xiàn)了對賽事名稱、比賽結(jié)果等命名實(shí)體較好地識別。 4.探索了信息抽取在信息內(nèi)容安全領(lǐng)域的應(yīng)用。針對中文手機(jī)垃圾短信過濾任務(wù)，提出了一種規(guī)則和統(tǒng)計(jì)相結(jié)合的傾向性判斷模型。在此基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了中文短信內(nèi)容監(jiān)控實(shí)驗(yàn)系統(tǒng)，并取得了良好的實(shí)驗(yàn)結(jié)果。 最后，對本文中文信息