中文開放域關(guān)系抽取研究與實現(xiàn).pdf

1、信息抽取、自然語言理解、信息檢索等應(yīng)用需要更好地理解實體之間的語義關(guān)系，對關(guān)系進行概括和總結(jié)。關(guān)系抽取是信息抽取任務(wù)中一個艱巨而又十分重要的任務(wù)，也是信息檢索和自然語言處理研究的熱點，具有非常重要的理論意義和廣泛的應(yīng)用價值。隨著大規(guī)模web語料的出現(xiàn)，對關(guān)系抽取的研究已經(jīng)從傳統(tǒng)的特定領(lǐng)域關(guān)系抽?。═raditional Relation Extraction，TRE）發(fā)展到開放領(lǐng)域關(guān)系抽取(Open Relation Extractio

2、n，ORE)。
　　開放領(lǐng)域關(guān)系抽取的出現(xiàn)吸引了國內(nèi)外諸多學(xué)者的關(guān)注，并取得眾多研究成果。在英文語料上，開放域關(guān)系抽取的研究方法已經(jīng)比較成熟。由于漢語的復(fù)雜性以及中英文語言的差異性，針對中文語料的開放域關(guān)系抽取系統(tǒng)性能相對較低。本文在深入比較分析目前各種關(guān)系抽取方法的基礎(chǔ)上，提出了一種新的針對中文語料的開放域關(guān)系抽取算法。具體的，本文的工作主要包括以下幾個方面:
　　(1)深入比較分析了ORE相關(guān)的各種抽取算法。按照關(guān)系抽取

3、方法的不同，將現(xiàn)有的ORE關(guān)系抽取方法分為四種不同的類型:基于模式匹配的方法、基于機器學(xué)習(xí)的方法、基于推理的方法和基于句子簡化的方法，并對這四種類型的關(guān)系抽取方法分別進行了深入的比較分析。
　　(2)提出規(guī)則和依存語法相融合的關(guān)系抽取算法。為了實現(xiàn)針對中文語料開放領(lǐng)域下多元關(guān)系的有效抽取，探索如何基于規(guī)則和依存語法相結(jié)合的方式來實現(xiàn)多元關(guān)系的抽取任務(wù)。根據(jù)ACE的中文關(guān)系表述分類以及中文的句法成分、詞和句型等特點，提出關(guān)系表述和論