面向特定人群的網(wǎng)絡(luò)信息事件提取方法研究.pdf

1、隨著信息技術(shù)的普及應(yīng)用和互聯(lián)網(wǎng)的迅猛發(fā)展,大量電子文本形式的信息呈指數(shù)級(jí)增長(zhǎng)。為了應(yīng)對(duì)信息爆炸帶來(lái)的挑戰(zhàn),信息抽取(Information Extraction)作為一種將無(wú)結(jié)構(gòu)的文本轉(zhuǎn)化為結(jié)構(gòu)化或半結(jié)構(gòu)化的信息的研究方法受到空前的重視。
　　事件的檢測(cè)與識(shí)別( Event detection and recognition,又稱(chēng)事件抽取)被ACE(Automatic content extraction)評(píng)測(cè)會(huì)議定義為一項(xiàng)重要的

2、基本任務(wù),已經(jīng)成為信息抽取、自動(dòng)文本等領(lǐng)域中的關(guān)鍵技術(shù)。其主要目的是把自然語(yǔ)言描述的事件以結(jié)構(gòu)化的形式呈現(xiàn),從而為后續(xù)信息處理與應(yīng)用提供良好的數(shù)據(jù)條件。本體作為共享概念模型的明確的形式化規(guī)范說(shuō)明,在信息處理、自然語(yǔ)言理解等人工智能應(yīng)用領(lǐng)域發(fā)揮著越來(lái)越重要的作用。
　　本文研究?jī)?nèi)容是面向特定人群相關(guān)領(lǐng)域網(wǎng)絡(luò)事件的提取模型與算法。具體而言,選擇公職人員這一特定群體,研究并解決涉及這一特定群體的網(wǎng)絡(luò)事件類(lèi)型識(shí)別、本體構(gòu)建、事件元素抽取與

3、處理問(wèn)題。通過(guò)對(duì)這一特定主題的研究,分析并總結(jié)面向一般群體的網(wǎng)絡(luò)事件提取的規(guī)律、模型與方法,豐富和發(fā)展面向海量網(wǎng)絡(luò)數(shù)據(jù)的智能信息提取技術(shù)。
　　本文的主要研究工作包括以下幾個(gè)方面:
　　1.通過(guò)對(duì)大量網(wǎng)絡(luò)語(yǔ)料的分析整理和實(shí)驗(yàn)研究,利用事件觸發(fā)詞提取算法,并采用觸發(fā)詞聚類(lèi)分析技術(shù),提出了面向公職人員的事件本體半自動(dòng)構(gòu)建模型。
　　2.在事件類(lèi)型識(shí)別方面,提出了基于事件觸發(fā)詞與本體中概念相似度計(jì)算的事件類(lèi)型識(shí)別算法,并通過(guò)

4、與基于最大熵二元分類(lèi)方法的識(shí)別技術(shù)比較,分析了本文方法的性能。
　　3.在事件元素識(shí)別方面,提出基于事件本體的事件元素提取方法。該方法利用事件對(duì)應(yīng)的事件模板結(jié)合SRL語(yǔ)義角色標(biāo)注進(jìn)行事件元素提取,并根據(jù)網(wǎng)頁(yè)發(fā)表時(shí)間對(duì)事件的時(shí)間元素作進(jìn)一步校正。所提出方法在面向公職人員事件識(shí)別和事件元素識(shí)別的平均F值均取得了較好的效果。
　　本文研究對(duì)于面向特定人群相關(guān)網(wǎng)絡(luò)事件分析提取具有普遍意義,在輿情分析等相關(guān)系統(tǒng)構(gòu)建中能夠發(fā)揮重要作用。