基于句法模式識別的中文關(guān)系抽取方法研究與實現(xiàn).pdf

1、隨著大數(shù)據(jù)和人工智能時代的到來，如何智能高效的管理和使用快速增長的海量數(shù)據(jù)成為當代面臨的重大挑戰(zhàn)。信息抽取技術(shù)將海量數(shù)據(jù)中蘊含的知識按照人們期望的格式從無結(jié)構(gòu)文本中抽取出來。關(guān)系抽取技術(shù)將離散的知識建立聯(lián)系，從而為知識單元組織成相互聯(lián)系的網(wǎng)狀結(jié)構(gòu)提供了基礎(chǔ)，為智能語義檢索、自動問答系統(tǒng)等上層應(yīng)用提供數(shù)據(jù)支持，因此關(guān)系抽取技術(shù)具有重要的研究價值和廣泛的應(yīng)用前景。
　　不同于限定域關(guān)系抽取需要事先定義全面的關(guān)系類型，開放域關(guān)系抽取中論

2、元之間的關(guān)系常常由關(guān)系詞來表示。本文提出的基于句法模式識別的中文關(guān)系抽取算法利用論元、關(guān)系詞和可信關(guān)系元組的句法模式從開放域語料中抽取論元間存在的任意關(guān)系類型。該算法分為三個階段：句法模式集抽取、過濾模型訓(xùn)練和關(guān)系抽取。句法模式集抽取階段針對大規(guī)模開放域語料中存在大量冗余信息的特點，利用少量種子關(guān)系元組在大規(guī)模語料上查找得到其不同表達的關(guān)系句法模式。過濾模型訓(xùn)練和關(guān)系抽取階段使用相同的關(guān)系元組抽取方法，區(qū)別在于過濾模型訓(xùn)練階段得到的過濾

3、模型將用于關(guān)系抽取階段獲得高質(zhì)量關(guān)系元組。其中，關(guān)系元組抽取方法分為預(yù)處理、論元名詞塊抽取、候選關(guān)系詞抽取和關(guān)系句法模式識別四個步驟。本文的主要工作包括以下三個方面：
　　(1)針對中文語言特點，本文提出了輕動詞結(jié)構(gòu)抽取算法、輕動詞相關(guān)介詞擴展算法和特殊句式關(guān)系詞抽取算法。進行關(guān)系詞抽取時，利用輕動詞詞表和特殊句式關(guān)系詞抽取規(guī)則對關(guān)系詞進行優(yōu)化，使得抽取到的關(guān)系詞更加完整和準確。
　　(2)在對句法模式集分析的基礎(chǔ)上，利用名