人名聚類檢索技術(shù)研究.pdf

1、近幾年來,隨著網(wǎng)絡(luò)的發(fā)展,信息迅速增多,互聯(lián)網(wǎng)上的各種信息檢索系統(tǒng)一搜索引擎成為幫助人們上網(wǎng)獲取信息的主要工具。這些搜索引擎在給人們帶來很大便利的同時(shí)也暴露出許多問題。人們?cè)诓檎胰嗣麜r(shí),搜索引擎返回給用戶的檢索結(jié)果數(shù)量很大,人們難以找到真正符合自己意圖的信息。據(jù)此,現(xiàn)在的研究重點(diǎn)就是如何更快更準(zhǔn)確的向用戶提供所需信息。本文的研究目標(biāo)是對(duì)網(wǎng)頁中出現(xiàn)的人名進(jìn)行同一性甄別,按照其身份信息進(jìn)行網(wǎng)頁聚類,并對(duì)每一個(gè)類別自動(dòng)生成類別名稱,供用戶導(dǎo)航

2、使用。以便用戶能夠快速的查詢和定位到目標(biāo)人物的信息。 本文首先對(duì)信息檢索中的關(guān)鍵技術(shù)進(jìn)行了詳細(xì)介紹,并重點(diǎn)介紹了基于社會(huì)角色知識(shí)庫的中文人名聚類檢索技術(shù)。在論文中詳細(xì)說明了中文人名聚類系統(tǒng)的系統(tǒng)流程設(shè)計(jì)和流程中各個(gè)子模塊的實(shí)現(xiàn)方法以及使用到的具體技術(shù)。本文主要從以下方面開展工作： (1)人名基本信息的抽取。針對(duì)文本中中文人名的信息出現(xiàn)的特點(diǎn),使用知識(shí)工程方法,人工構(gòu)造了模式庫,并進(jìn)行實(shí)驗(yàn)驗(yàn)證。本文從文本內(nèi)容中提取關(guān)于人名

3、的三個(gè)屬性(相關(guān)地名、相關(guān)機(jī)構(gòu)、相關(guān)職業(yè)); (2)構(gòu)造人物社會(huì)角色知識(shí)庫。人物社會(huì)角色知識(shí)庫包括文本中出現(xiàn)的職務(wù)詞和機(jī)構(gòu)詞。聚類時(shí)要想得到好的效果,和相似度的計(jì)算精度密切相關(guān),本文構(gòu)造的社會(huì)角色知識(shí)庫使得在進(jìn)行聚類時(shí)也能考慮到詞語的語義關(guān)系來計(jì)算相似度,提高了相似度的計(jì)算精度,取得了較好的聚類結(jié)果； (3)根據(jù)抽取到的結(jié)果和人物社會(huì)角色特征知識(shí)庫進(jìn)行人名同一性甄別。聚類算法通過無監(jiān)督學(xué)習(xí)將人名按照其身份的相似度進(jìn)行區(qū)分