音樂領(lǐng)域中文實(shí)體關(guān)系抽取研究.pdf

1、隨著互聯(lián)網(wǎng)上信息的快速增長，人們迫切需要一些自動(dòng)化的工具幫助其在海量信息中迅速找到真正需要的信息。信息抽?。↖nformation Extraction）
　　研究正是在這種背景下產(chǎn)生的，關(guān)系抽?。≧elation Extraction）是信息抽取的子任務(wù)之一。
　　實(shí)體關(guān)系抽取的任務(wù)是從文本中抽取出兩個(gè)或者多個(gè)實(shí)體之間預(yù)先定義好的語義關(guān)系。本文將實(shí)體關(guān)系抽取定義為一個(gè)分類問題，主要研究內(nèi)容是中文音樂領(lǐng)域的實(shí)體關(guān)系抽取。針對(duì)

2、這一問題，本文首先構(gòu)建了中文音樂實(shí)體關(guān)系語料庫，然后分別采用了基于序列模式挖掘的無指導(dǎo)的方法和基于特征提取的有指導(dǎo)的方法來解決這一問題。
　　在語料庫的建設(shè)過程中，本文參考了ACE語料的構(gòu)建過程，首先定義了包含11種實(shí)體關(guān)系的中文音樂領(lǐng)域關(guān)系類型體系；接著制定了詳細(xì)的標(biāo)注規(guī)范并完成了10,000句語料的標(biāo)注工作。與此同時(shí)，本文針對(duì)音樂領(lǐng)域和中文的語言學(xué)特點(diǎn)，定義了音樂領(lǐng)域的序列模式。由于BootStrapping方法的引入，實(shí)體關(guān)

3、系種子可自動(dòng)擴(kuò)展并可從互聯(lián)網(wǎng)上挖掘大量的高準(zhǔn)確率的序列模式。在評(píng)測集上，該方法取得了平均準(zhǔn)確率為94.40％的結(jié)果。最后，本文基于已標(biāo)注完成的語料庫，研究了音樂領(lǐng)域?qū)嶓w關(guān)系抽取的特點(diǎn)，并根據(jù)其特點(diǎn)進(jìn)行了特征選擇的研究，分別使用最大熵（Maxent）和支撐向量機(jī)（SVM）對(duì)特征抽取的結(jié)果進(jìn)行了實(shí)驗(yàn)，在相同的測試集上，SVM分類器取得了更好效果。另外，本文還將序列模式分類器與支撐向量機(jī)分類器進(jìn)行了級(jí)聯(lián)，在評(píng)測集上取得了平均F值為80.85%