基于詞向量的基礎教育資源領域概念及關系抽取研究.pdf

1、目前，類人智能在全球蓬勃發(fā)展，比較有代表性的項目有日本的Todai Robot項目——目標是讓機器人參加高考并取得高分，IBM的Waston項目——已經(jīng)拓展至醫(yī)療等領域，這類類人智能項目對教育、醫(yī)療等行業(yè)幫助巨大。然而這些類人智能項目的成功應用離不開完備知識庫的支持，因此拓展類人智能項目的知識庫，對提高其智能水平至關重要。以“文綜”為代表的基礎教育資源，蘊含了豐富的知識，故研究如何從海量的基礎教育資源中獲取豐富的語義信息，并構建基礎教育

2、領域本體知識庫，對構建類人智能產(chǎn)品具有重要意義。
　　本文依托863項目“面向基礎教育的類人智能知識理解與推理關鍵技術”（2015AA015403）對知識抽取的兩個核心任務——領域概念及概念間關系抽取進行了研究。主要研究工作如下：
　　1）設計了基于 F-M-E的合成詞抽取算法及基于詞頻分布狀態(tài)的領域概念抽取算法。針對領域概念被分詞工具錯誤切分的情況，結合詞性和語言模型的統(tǒng)計特征，設計了基于F-M-E的合成詞抽取算法（F指詞

3、頻，M指互信息，E指信息熵）進行合成詞的抽取，保證了領域概念的完整性；針對低頻領域概念漏抽取及高頻非領域概念被錯誤抽取的情況，根據(jù)領域概念與非領域概念分布狀態(tài)的差異，設計了基于詞頻分布狀態(tài)的領域概念抽取算法并對歷史領域概念進行了抽取。
　　2）設計了基于詞向量語義相關度的領域概念對獲取算法。本文利用基于神經(jīng)網(wǎng)絡的Word Embedding方法將文本語料的語詞映射到低維詞向量空間，用向量間的距離表征語詞之間的語義相關度，不僅能擴充

4、領域概念集，還能找出語義相關的概念對。
　　3）設計了基于語義相關度的擴展關聯(lián)規(guī)則非分類關系抽取算法。針對基于關聯(lián)規(guī)則的關系抽取算法僅根據(jù)語料的統(tǒng)計量特征抽取具有關聯(lián)關系的概念對的情況，設計了基于語義相關度的擴展關聯(lián)規(guī)則非分類關系抽取算法，該算法在基于關聯(lián)規(guī)則算法的基礎上添加了語義相關度這一評價標準來進行概念對的抽取，并利用詞向量和K-means聚類方法對關系標簽進行名詞擴充并將其分配到相應的概念對上，最后得到概念對關系標簽三元組