版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)的高速發(fā)展,網(wǎng)絡(luò)信息成爆炸式增長(zhǎng)。如何快速、準(zhǔn)確的從這些海量數(shù)據(jù)中獲得有用的信息成為了人們關(guān)注的焦點(diǎn)。目前通用搜索引擎在搜索人物上的表現(xiàn)已經(jīng)遠(yuǎn)遠(yuǎn)無(wú)法滿(mǎn)足人們的需求。如何以精準(zhǔn)的方式把用戶(hù)需要的信息呈現(xiàn)給用戶(hù)已經(jīng)是搜索引擎亟待解決的問(wèn)題。人名消歧便是解決這一問(wèn)題的核心技術(shù)。同時(shí)人名消歧在個(gè)性化搜索、自動(dòng)問(wèn)答、熱點(diǎn)人物跟蹤與發(fā)現(xiàn)等領(lǐng)域都有著廣泛的應(yīng)用。目前國(guó)內(nèi)外基于人名消歧的中文人物搜索相關(guān)研究還比較少。
人名消歧作為近
2、幾年剛興起的一個(gè)熱門(mén)研究方向,正受到越來(lái)越多國(guó)內(nèi)外研究學(xué)者的關(guān)注。國(guó)際上在英文人名消歧方面已取得了一定的研究成果,但由于中文信息處理的特殊性,中文人名消歧仍然存在著很多亟待解決的問(wèn)題。本文在前人的研究基礎(chǔ)上,首創(chuàng)利用構(gòu)造三層特征空間與兩階段聚類(lèi)算法相結(jié)合的策略進(jìn)行中文人名消歧。本文的研究?jī)?nèi)容主要包括以下幾個(gè)方面:
?。?)首先對(duì)數(shù)據(jù)預(yù)處理中涉及到的技術(shù)進(jìn)行研究改進(jìn),分別提出了基于BK樹(shù)檢索的高性能大規(guī)模網(wǎng)頁(yè)去重算法、改進(jìn)了基于分
3、布函數(shù)的網(wǎng)頁(yè)正文抽取算法、提出了基于多重預(yù)處理與CRF相結(jié)合的中文分詞算法。數(shù)據(jù)預(yù)處理將為后面的人名消歧準(zhǔn)備所需的語(yǔ)料。
?。?)本文提出了基于三層特征空間與兩階段聚類(lèi)算法相結(jié)合的中文人名消歧。在特征選擇及構(gòu)造方面,根據(jù)不同文本特征對(duì)于區(qū)分人物作用的不同,構(gòu)建三個(gè)不同層次的特征空間,并重點(diǎn)研究了如何采用機(jī)器學(xué)習(xí)算法構(gòu)建語(yǔ)義特征,語(yǔ)義特征空間主要包括文本的領(lǐng)域?qū)傩蕴卣?、情感屬性特征、句法屬性特征和URL特征。在聚類(lèi)策略設(shè)計(jì)方法,本
4、文采用了兩階段聚類(lèi)算法。首先在全局特征空間上,利用以基本屬性序列對(duì)或唯一屬性構(gòu)建初始聚類(lèi)中心的K-means算法,對(duì)文本進(jìn)行初步聚類(lèi),得到類(lèi)別粒度較大的類(lèi)簇。最后采用EM算法對(duì)每個(gè)類(lèi)簇再進(jìn)行二次聚類(lèi),得到最終聚類(lèi)結(jié)果。
?。?)結(jié)合本文提出的算法,設(shè)計(jì)并實(shí)現(xiàn)了中文人物搜索系統(tǒng)。
本文在CIPS-SIGHAN2010中文人名消歧語(yǔ)料集上進(jìn)行多個(gè)對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,基于三層特征空間與兩階段聚類(lèi)相結(jié)合的中文人名消歧效果良
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 中文人名消歧算法研究.pdf
- 基于句義結(jié)構(gòu)和人物隱含關(guān)系的中文人名消歧研究.pdf
- 結(jié)合共指消解的跨文檔中文人名消歧研究.pdf
- 面向新聞?lì)I(lǐng)域的人名消歧方法研究.pdf
- 漢語(yǔ)人名消歧算法研究.pdf
- 中文人名搜索引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 人名消歧關(guān)鍵技術(shù)研究.pdf
- Web人名消歧方法的研究與實(shí)現(xiàn).pdf
- 中文人名搜索引擎關(guān)鍵技術(shù)研究.pdf
- 基于聚類(lèi)的英漢人名消歧研究.pdf
- 面向全文標(biāo)注的中文詞義消歧研究與實(shí)現(xiàn).pdf
- 人名消歧關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的中文人名識(shí)別的研究.pdf
- 實(shí)體消歧及其在圖像搜索中的應(yīng)用.pdf
- 基于層次聚類(lèi)和網(wǎng)頁(yè)關(guān)系的人名消歧.pdf
- 中文人名跨文檔指代消解研究.pdf
- 基于兩階段聚類(lèi)的人名消歧算法研究.pdf
- 應(yīng)用于中文人名搜索引擎的Web信息提取技術(shù)研究.pdf
- 基于條件隨機(jī)場(chǎng)的中文分詞消歧研究.pdf
- 基于領(lǐng)域知識(shí)庫(kù)的命名實(shí)體識(shí)別與人名消歧.pdf
評(píng)論
0/150
提交評(píng)論