基于監(jiān)督學(xué)習(xí)的校友實(shí)體關(guān)系抽取研究.pdf

1、校友是高校發(fā)展的重要資源，大量的校友信息蘊(yùn)含在電子文本或者網(wǎng)頁(yè)中，如何從中抽取出校友信息是一項(xiàng)很有價(jià)值的研究問(wèn)題。傳統(tǒng)的解決方法是使用實(shí)體抽取方法將人名看作候選校友，但在復(fù)雜語(yǔ)境下，會(huì)出現(xiàn)“人名-學(xué)?！逼ヅ洳粶?zhǔn)確的問(wèn)題。本文將校友信息看成“人名-學(xué)?！标P(guān)系，提出使用實(shí)體關(guān)系抽取模型來(lái)解決校友信息的抽取問(wèn)題。而此類關(guān)系抽取模型亦可應(yīng)用于抽取“人名-公司”的雇傭關(guān)系和“人名-職位”的任職關(guān)系等。
　　 在實(shí)際抽取中可以發(fā)現(xiàn)校友關(guān)系是

2、存在于不同層級(jí)的機(jī)構(gòu)上的，例如，人名-學(xué)校，人名-院系，人名-班級(jí)等。而解決此類問(wèn)題的關(guān)鍵則在于高校機(jī)構(gòu)的
　　 層級(jí)關(guān)系抽取。如此，得到的機(jī)構(gòu)實(shí)體及基于此的校友關(guān)系便可以實(shí)現(xiàn)類似于數(shù)據(jù)倉(cāng)庫(kù)上卷、下鉆的操作，便于獲取不同層級(jí)的實(shí)體關(guān)系。
　　 本文針對(duì)校友實(shí)體關(guān)系抽取、機(jī)構(gòu)層級(jí)關(guān)系抽取這兩個(gè)問(wèn)題進(jìn)行了研究。
　　 在進(jìn)行校友實(shí)體關(guān)系抽取時(shí)，提取當(dāng)前實(shí)體特征、其他人物實(shí)體特征和其他層級(jí)序列特征，采用SVM作為分類算

3、法，判斷人物實(shí)體與機(jī)構(gòu)層級(jí)序列之間是否具有校友關(guān)系。通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性，并且發(fā)現(xiàn)其他人物實(shí)體特征和其他層級(jí)序列特征的引入，對(duì)抽取的準(zhǔn)確率和衡量整體性能的F值有一定提升。
　　 在進(jìn)行機(jī)構(gòu)層級(jí)關(guān)系抽取時(shí)，從上下文中提取距離方面的特征、層級(jí)方面的特征和實(shí)體類型方面的特征，采用SVM作為分類算法，判斷機(jī)構(gòu)實(shí)體之間是否具有層級(jí)關(guān)系。通過(guò)實(shí)驗(yàn)驗(yàn)證了方法的有效性并且發(fā)現(xiàn)距離方面的特征對(duì)分類具有主要的貢獻(xiàn)，此外實(shí)體類型特征的引入提升了