基于主題的中文事件抽取技術(shù)研究及應(yīng)用.pdf

1、隨著社會(huì)的發(fā)展，人們被包圍在信息的汪洋大海之中。準(zhǔn)確有效的從大量無(wú)序、雜亂、無(wú)結(jié)構(gòu)的信息中提取感興趣的事件信息，這正是事件抽取要解決的問(wèn)題?，F(xiàn)有的事件抽取的研究還主要局限在句子范圍，然而，一個(gè)主題事件通常由多個(gè)狀態(tài)和動(dòng)作組成，其描述信息通常分散在一個(gè)或多個(gè)文檔中，現(xiàn)有的事件抽取方法顯然無(wú)法滿足主題事件抽取的需要。 本文在研究上述問(wèn)題時(shí)，提出了將主題事件的抽取劃分為三個(gè)層次，并將其應(yīng)用到訪問(wèn)主題事件的抽取中。第一，句子范圍的元事件

2、抽取，主要抽取一些相關(guān)的動(dòng)作和狀態(tài)。第二，篇章范圍內(nèi)的事件信息抽取，根據(jù)主題事件的框架結(jié)構(gòu)，在句子范圍的元事件抽取的基礎(chǔ)上，通過(guò)篇章范圍的語(yǔ)義信息將這些元事件進(jìn)行串聯(lián)，形成主題事件片段。第三，跨篇章的事件信息歸并，首先本文使用聚類的方法確定事件歸并的范圍；其次按照一定的歸并條件，將滿足條件的主題事件片段進(jìn)行歸并。通過(guò)這三個(gè)層次的信息抽取和歸并，就可以得到一個(gè)主題事件的完整信息描述。 本文首先介紹了事件抽取的基本概念，研究現(xiàn)狀和當(dāng)

3、前面臨的主要困難。其次提出了一種定義在論元結(jié)構(gòu)層次的事件抽取模式，并提出了一種機(jī)器學(xué)習(xí)方法來(lái)獲取事件抽取規(guī)則；該方法的特點(diǎn)是將語(yǔ)義角色標(biāo)注技術(shù)應(yīng)用于事件抽取，通過(guò)將觸發(fā)動(dòng)詞支配的語(yǔ)義角色與待抽取的事件元素相對(duì)應(yīng)，實(shí)現(xiàn)了句子范圍內(nèi)面向動(dòng)詞的事件信息的抽取。接著，本文介紹了一種基于元事件的事件知識(shí)表示框架，將主題事件看作是元事件的集合；抽取出框架中定義的元事件后，對(duì)其中的人物、地點(diǎn)、時(shí)間進(jìn)行規(guī)格化處理，再利用指代關(guān)系、時(shí)間、地點(diǎn)這些重要的語(yǔ)

4、義載體，在篇章范圍內(nèi)進(jìn)行了初步的信息串聯(lián)，從而獲取了主題事件片段信息。然后，本文提出一種基于摘要的聚類方法將語(yǔ)料集合按照主題進(jìn)行聚類，以此來(lái)確定跨篇章事件信息歸并的范圍。最后提出了一種簡(jiǎn)單的歸并條件，用于對(duì)分散在不同文檔的主題片段信息進(jìn)行歸并。 對(duì)訪問(wèn)主題事件的抽取實(shí)驗(yàn)結(jié)果表明，本文提出的基于元事件的框架定義對(duì)事件知識(shí)的表達(dá)是有效的，指代關(guān)系、時(shí)間、地點(diǎn)等語(yǔ)義載體的規(guī)格化處理，有效的進(jìn)行了篇章范圍內(nèi)事件信息的串聯(lián)，排除了干擾信息