基于維基百科的人物關(guān)系抽取研究.pdf

1、在信息抽取研究工作中，人物關(guān)系抽取是一個(gè)重要的研究課題。針對(duì)人物關(guān)系抽取的研究工作興起于MUC會(huì)議的評(píng)測(cè)項(xiàng)目，后來由ACE會(huì)議取代。目前，大部分的中文人物關(guān)系研究工作所用語(yǔ)料，大都是來自ACE會(huì)議的結(jié)構(gòu)化評(píng)測(cè)語(yǔ)料或者人民日?qǐng)?bào)等較為規(guī)范的新聞?wù)Z料。但在現(xiàn)實(shí)應(yīng)用中，特別是在互聯(lián)網(wǎng)時(shí)代，人們?cè)絹碓搅?xí)慣從互聯(lián)網(wǎng)中檢索想要了解的人物、事件等信息，維基百科就是其中一個(gè)常用的搜索引擎。維基百科是一個(gè)開放的知識(shí)庫(kù)，它包含了豐富的人物關(guān)系信息，同時(shí)，它也

2、是一個(gè)較符合網(wǎng)絡(luò)文本半結(jié)構(gòu)化特點(diǎn)的知識(shí)庫(kù)。因此，基于維基百科的人物關(guān)系抽取與實(shí)際生活中的人物關(guān)系抽取更為相似。人物關(guān)系抽取的主要思想是將其轉(zhuǎn)化為人物關(guān)系分類問題。傳統(tǒng)的抽取方法主要分為基于知識(shí)庫(kù)、基于機(jī)器學(xué)習(xí)和基于模式匹配。在基于機(jī)器學(xué)習(xí)的方法中又主要分基于核與基于特征向量的分類方法。在人物關(guān)系抽取的過程中的兩個(gè)主要難點(diǎn)是人名識(shí)別和人物關(guān)系識(shí)別。
　　本研究主要內(nèi)容包括：⑴為解決現(xiàn)有分詞工具在人名識(shí)別中存在的外文音譯人名識(shí)別率不高

3、的問題，本文采用抽取維基百科中信息盒數(shù)據(jù)的方法，構(gòu)建了基于中文維基百科的人物庫(kù);同時(shí)利用維基百科中的Link數(shù)據(jù)構(gòu)建了基于中文維基百科的外文音譯人名詞典。⑵提出采取模式匹配與特征向量方法融合的層次分類方法進(jìn)行人物關(guān)系分類，利用DAG-SVMs多值分類方法解決人物關(guān)系分類中的多值分類問題，以提高分類模型執(zhí)行速度與性能，同時(shí)在人物關(guān)系的劃分中引入本人關(guān)系，以減輕維基百科中存在的“同人不同名”的現(xiàn)象;并通過實(shí)驗(yàn)驗(yàn)證了此方法的可行性。⑶利用提出