基于維基百科的中文跨文本指代消解的研究.pdf

1、作為信息抽取和信息融合的重要組成部分,跨文本指代消解的研究受到了廣泛重視。跨文本指代消解的主要任務是解決實體的多名問題和重名問題,前者是指一個實體具有多個名稱,而后者是指不同的實體具有相同的名稱。大規(guī)模中文跨文本語料庫的缺失,阻礙了相關研究工作的開展。鑒于此,本文進行了以下三個方面的研究工作:
　　1.構建一個基于維基百科的中文跨文本指代語料庫,并分析了該語料上的跨文本指代現象,為大規(guī)模中文跨文本指代消解研究奠定了基礎。統(tǒng)計數據表

2、明,同新聞領域相比,維基百科中的實體多名問題比重名問題更加嚴重。
　　2.實現了基于向量空間模型和無監(jiān)督聚類的中文跨文本指代消解系統(tǒng)。實驗結果表明,實體表述本身的相似度對于系統(tǒng)性能的影響很大,而向量空間相似度特征的作用則并不明顯。
　　3.探討了大規(guī)模語料庫上的跨文本指代消解技術。采用“分而治之”的思想對每個實體類型的所有的實體表述進行分塊處理,各個塊內單獨聚類,塊間則互不影響,緩解了在大規(guī)模語料庫進行指代消解所產生的時空復