基于詞匯語義信息的中文命名實(shí)體關(guān)系抽取研究.pdf

1、自互聯(lián)網(wǎng)誕生以來，接入的用戶越來越多，直接導(dǎo)致了當(dāng)今互聯(lián)網(wǎng)上的信息量呈爆炸式增長，信息量的巨大也帶來了巨大的使用價(jià)值。然而互聯(lián)網(wǎng)上的信息大多為無結(jié)構(gòu)或半結(jié)構(gòu)化的文本，要想有效利用其中的信息，就涉及到自然語言處理領(lǐng)域的一個(gè)熱門課題——信息抽取。命名實(shí)體關(guān)系抽取是信息抽取的重要任務(wù)，其內(nèi)容為使計(jì)算機(jī)自動的通過實(shí)體所在的文本抽取出實(shí)體之間的關(guān)系。關(guān)系抽取對領(lǐng)域本體和知識圖譜的構(gòu)建、問答系統(tǒng)、信息檢索等領(lǐng)域具有重要意義。
　　在四種中文關(guān)

2、系抽取的方法中，本文選擇基于樹核函數(shù)的機(jī)器學(xué)習(xí)方法作為研究方向，其關(guān)鍵是構(gòu)建有效的關(guān)系抽取特征。在已有的特征中，很少涉及《同義詞詞林》、《知網(wǎng)》等語義詞典，而這些詞典包含的語義信息對關(guān)系的識別和抽取非常有研究價(jià)值。
　　本文首先提出了一種簡易的根據(jù)《同義詞詞林》計(jì)算詞匯語義相似度的方法，并根據(jù)該方法提出了詞匯語義相似度樹特征?！锻x詞詞林》編碼分為5層，從左到右相同的層數(shù)越多，詞匯在語義上越相近；而樹核函數(shù)計(jì)算相似度的原理為相同的

3、子樹越多，相似度越高。針對以上兩點(diǎn)，提出了《同義詞詞林》編碼樹特征，將5層編碼分別放入樹形結(jié)構(gòu)的5層節(jié)點(diǎn)中。為了探究哪一層編碼所代表的語義信息更適合關(guān)系抽取，又提出了各個(gè)級別的《同義詞詞林》編碼樹特征。
　　《知網(wǎng)》中詞條的語義信息都包含在常識性知識庫中的DEF項(xiàng)里，由此本文提出了一種由DEF項(xiàng)轉(zhuǎn)化而來的《知網(wǎng)》語義樹特征。為了縮減特征中節(jié)點(diǎn)數(shù)量提出了兩種簡化的《知網(wǎng)》語義樹：三層語義樹和無動態(tài)角色語義樹。
　　經(jīng)過實(shí)驗(yàn)得到