基于網(wǎng)絡(luò)抱團(tuán)發(fā)現(xiàn)的命名實(shí)體關(guān)系抽取.pdf

1、關(guān)系抽取是是信息抽取研究領(lǐng)域的一個(gè)重要課題。關(guān)系抽取的目的是從文本中發(fā)現(xiàn)兩命名實(shí)體間的關(guān)系。近年來(lái)，該技術(shù)得到越來(lái)越多的關(guān)注，被運(yùn)用到各個(gè)領(lǐng)域中，如：信息抽取，本體構(gòu)造，問答系統(tǒng)，生物技術(shù)等。 自從1995年，第六屆信息理解會(huì)議(theSixthMessageUnderstandingConferenceMUC-6)提出關(guān)系抽取這個(gè)概念以來(lái)，在命名實(shí)體關(guān)系抽取方面已經(jīng)開展了大量的研究工作，但絕大部分研究都是基于有導(dǎo)學(xué)習(xí)的。有導(dǎo)學(xué)

2、習(xí)方法最大的問題在于需要花大量的時(shí)間去標(biāo)注足夠數(shù)量的訓(xùn)練語(yǔ)料，此外系統(tǒng)很難從一個(gè)領(lǐng)域移植到另外一個(gè)領(lǐng)域中。為了突破有導(dǎo)學(xué)習(xí)方法中的限制，無(wú)導(dǎo)方法被提出來(lái)。但是，目前無(wú)導(dǎo)方法仍然存在一些問題：(1)命名實(shí)體對(duì)一般是通過一定范圍內(nèi)的上下文來(lái)進(jìn)行描述地，但是如何設(shè)置上下文窗口大小，一直以來(lái)都沒有一個(gè)客觀的標(biāo)準(zhǔn)；(2)在命名實(shí)體對(duì)的聚類過程中，往往存在著很大的噪音，如何能在噪音存在的情況下保證較好的聚類效果；(3)命名實(shí)體對(duì)之間的語(yǔ)義關(guān)系是具有

3、層次結(jié)構(gòu)的，如何描述這種層次結(jié)構(gòu)的關(guān)系。 針對(duì)以上問題，本文嘗試性地提出了一種基于網(wǎng)絡(luò)化數(shù)據(jù)挖掘的命名實(shí)體對(duì)關(guān)系抽取的方法。在該方法中，我們采用了如下三種關(guān)鍵技術(shù)：1、利用網(wǎng)絡(luò)化結(jié)構(gòu)來(lái)表示命名實(shí)體對(duì)；2、基于抱團(tuán)現(xiàn)象的命名實(shí)體對(duì)聚類；3、基于語(yǔ)義層次的命名實(shí)體關(guān)系描述。特別值得一提的是在關(guān)鍵技術(shù)1中我們著重解決了實(shí)體對(duì)上下文窗口大小的設(shè)置的問題，在關(guān)鍵技術(shù)2中我們創(chuàng)新性的提出了一個(gè)如何在帶權(quán)網(wǎng)絡(luò)中發(fā)現(xiàn)抱團(tuán)現(xiàn)象的方案。 為