面向短文本分類的角色關(guān)系抽取研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展，越來越豐富的信息傳播方式出現(xiàn)并影響著人們的生活。短文本是指長度較短(通常少于160個字)的文本，它通常以手機短信、微博、網(wǎng)頁評論等形式廣泛存在于現(xiàn)實生活中。短文本具有長度短、所描述概念信號弱等固有缺陷，傳統(tǒng)的文本分類方法并不適用于短文本，因此研究對短文本進行有效分類的方法是一項必須解決且具有挑戰(zhàn)性的問題。
　　 短文本分類的一條可行途徑是利用外部資源的額外信息來擴展短文本所描述的信息量。角色關(guān)系是指某個事

2、件與其固有的相關(guān)角色之間的語義關(guān)系，利用這種關(guān)系擴展短文本的特征向量，能夠在一定程度上增加短文本的有用信息，彌補其描述能力較弱的缺陷。本文圍繞如何獲取短文本中存在的特定角色關(guān)系，和如何將這些關(guān)系有效的應(yīng)用于短文本分類這兩個核心問題展開研究，主要工作如下：
　　 1)提出了一種自動獲取短文本中存在的施事、受事角色關(guān)系的方法。由于一個事件涉及的角色類別較多，不同的角色對事件的重要性有差異，獲取方法也不同，因此本文的研究重點主要是針對

3、施事、受事這兩類最主要的角色關(guān)系。在獲取施事、受事關(guān)系方面，一種常規(guī)的方法是直接利用語義詞典《知網(wǎng)》描述語言的特點確定短文本中詞對間的關(guān)系，但是這種方法抽取的關(guān)系詞對數(shù)量和覆蓋度有限。針對這個問題，本文提出了一種新的角色關(guān)系詞對抽取方法，該方法利用《知網(wǎng)》的特征文件中的義原共性和義原樹層次結(jié)構(gòu)確定真實文本中存在的施事、受事關(guān)系，并通過義原層次樹中的義原距離計算關(guān)系強度。實驗表明：通過該方法抽取出的關(guān)系詞對數(shù)量和覆蓋度較高，在一定程度上彌