基于句法和語義分析的中文實體關系抽取.pdf

1、隨著互聯(lián)網(wǎng)技術的迅猛發(fā)展以及用戶規(guī)模的爆炸式增長，網(wǎng)絡上涌現(xiàn)了大量的文本數(shù)據(jù)。從海量的自然文本數(shù)據(jù)中自動、快速、有效地提取出有用的知識已成為人們的迫切需求。計算機應用程序和系統(tǒng)也依賴特定的“知識”來完成特定的功能，例如互聯(lián)網(wǎng)搜索、自動導航、自動問答、機器翻譯、語音識別等系統(tǒng)的應用都離不開知識庫的支持。實體關系抽取是構建知識庫的關鍵技術之一，其目的在于從自然語言文本中提取出命名實體之間所存在的語義關系。實體關系抽取已經(jīng)成為數(shù)據(jù)挖掘、機器學

2、習、人工智能以及自然語言處理等領域的研究熱點;同時具有重大的應用價值和廣闊的應用前景，也已成為工業(yè)界關注的焦點。
　　已有實體關系抽取的研究主要集中于英語語料庫，而對中文實體關系抽取的研究較少，雖然取得了一些可喜的成果，但其準確率和召回率都還有待進一步提高。因此，本文主要關注于中文實體關系抽取研究。
　　一方面，網(wǎng)絡中文文本中存在大量句式結構復雜的長句，句中經(jīng)常包含多個實體信息，由此構成的實體對數(shù)量也較多;實體類型的數(shù)量分布

3、不均勻。這些文本數(shù)據(jù)特點給中文顯式關系抽取任務帶來了巨大的挑戰(zhàn)。已有基于特征的關系抽取方法對于中文復雜長句，不能有效地提取到真正表示實體關系類型的特征，從而降低了顯式關系抽取性能。以旅游領域為例，中文顯式關系抽取研究中存在的不足具體表現(xiàn)在:
　　(1)已有基于特征的方法經(jīng)常將依存句法關系特征用于顯式關系抽取，通常只是單獨無序地使用兩個實體的依存句法關系特征，無法真正表示出該實體對在句中對應的句法結構，導致該特征在關系抽取中的作用不

4、明顯，從而影響顯式關系抽取性能。
　　(2)在顯式關系抽取中，經(jīng)典的動詞特征研究一般都選擇距離位置較后實體最近的動詞作為依賴動詞特征。由于跨長距離的實體對所在句子中通常會包含多個動詞，而經(jīng)典的動詞特征研究并非都能有效提取到真正表征該實體對關系類型的動詞，因此會影響實體關系類型的判別，導致顯式關系抽取的準確率下降。此外，經(jīng)典的動詞特征研究并非都能有效地幫助實體之間有無關系的探測以及關系類型的區(qū)分，有時甚至會帶來大量噪音，特別是在關系

5、探測上該問題尤為突出。
　　另一方面，中文文本中蘊含著大量種類繁多的隱式關系。與顯式關系相比，隱式關系由于缺少支持具體關系類型的直接證據(jù)，通常需要借助句子內(nèi)容層面的語義關聯(lián)性，結合相關語言學信息、具體的上下文語義信息以及相關領域知識進行間接推理。然而，語義關系的歧義性、句子結構的復雜性、上下文信息的不確定性及數(shù)據(jù)不平衡等問題，使得隱式關系抽取任務更復雜、推理難度也更大，而且還無法采用通用的模型來實現(xiàn)。中文隱式關系抽取研究的難點表現(xiàn)

6、在:
　　(1)由于中文和英文的語言特點存在巨大的差異性，針對英語的隱式關系抽取方法不能直接應用于中文隱式關系抽取上。因此，中文隱式關系抽取的研究是關系抽取的重點和難點。
　　(2)中文句型復雜多樣，不同的句型結構中隱含著許多不同類型的實體關系，導致借助額外知識進行隱式關系抽取的方法也有所不同，無法采用通用的方法來實現(xiàn)。因此，需要對句子結構和上下文進行深入分析和理解，從而構建更多更精細的隱式關系抽取模型。
　　針對上述

7、問題，本文主要關注于中文顯式關系和隱式關系抽取，研究的主要內(nèi)容包括:
　　(1)基于句法語義特征的中文顯式關系抽取
　　本文從句法和語義角度獲取三個有效表達實體關系類型的特征，提出了基于句法語義特征的中文顯式關系抽取方法，有助于提升顯式關系抽取的性能。具體特征包括:
　　①依存句法關系組合特征。按照兩個實體出現(xiàn)的先后順序，將兩個實體各自的依存句法關系進行有序組合，得到依存句法關系組合特征。該特征具有一定的區(qū)分度，可以較

8、好地反映出相應實體之間的關系類型特征。
　?、谧罱浞ㄒ蕾噭釉~特征。結合句型結構特點，從語義角度提出了最近句法依賴動詞特征，其目標是通過依存句法分析和詞性來提取一個句子中兩個實體的最近句法依賴動詞特征。由于存在直接語義關聯(lián)和間接語義關聯(lián)的兩個實體之間的依存路徑有所不同，通過對依存路徑進行分析提出了最近句法依賴動詞特征獲取算法。
　　③趨向核心動詞特征。對于包含“到、來、去”等趨向動詞的句子，最近句法依賴動詞特征也不能有效表征

9、實體之間真正的關系類型，影響了顯式關系抽取性能。在最近句法依賴動詞特征基礎上，進一步提出了趨向核心動詞特征。
　　(2)基于協(xié)陪義動詞的中文隱式關系抽取
　　由于旅游和新聞領域文本包含許多由協(xié)陪義動詞引發(fā)的隱式關系，本文試圖以協(xié)陪義動詞為核心，根據(jù)句子結構和上下文的理解構建基于協(xié)陪義動詞的隱式關系抽取推理規(guī)則，將顯式關系抽取和隱式關系抽取相結合，利用顯式關系對隱式關系進行推理，充分發(fā)揮各自的優(yōu)勢，致力解決旅游和新聞領域中基于

10、協(xié)陪義動詞的中文隱式關系抽取問題。具體研究內(nèi)容有:
　　①協(xié)陪義候選句的篩選。采用多種方法構建協(xié)陪義動詞詞表，利用協(xié)陪義動詞詞表對數(shù)據(jù)集中包含協(xié)陪義動詞的句子進行篩選。
　?、趨f(xié)陪義候選句型判斷。根據(jù)協(xié)陪義動詞在句中充當?shù)牟煌煞?，利用依存句法分析，對協(xié)陪義候選句型進行判斷，并進行句型分類。
　?、蹍f(xié)陪義成分識別。由于協(xié)陪義動詞在不同句型中充當?shù)某煞植煌瑢е聦⑴c協(xié)陪義動作的實體進行成分識別的方法也有所不同。進一步利

11、用依存句法分析，針對五種協(xié)陪義句型分別設計了不同的協(xié)陪義成分識別算法。
　?、茈[式關系推理規(guī)則的構建。根據(jù)利用的額外知識與協(xié)陪義動詞是否處于同一句子中，提出了兩類隱式關系推理方法—句內(nèi)基于協(xié)陪義動詞的隱式關系推理方法和句間基于協(xié)陪義動詞的隱式關系推理方法。根據(jù)協(xié)陪義成分和協(xié)陪義動詞作用范圍的特點，設計了三種句內(nèi)基于協(xié)陪義動詞的隱式關系推理規(guī)則。利用協(xié)陪義句中零形回指的先行詞，建立不同句子中協(xié)陪義動詞的主體成分與客體成分之間的聯(lián)系，

12、實現(xiàn)句間基于協(xié)陪義動詞的隱式關系抽取。借助顯式關系對隱式關系進行推理，將規(guī)則與機器學習的方法相結合，有效解決了基于協(xié)陪義動詞的中文隱式關系抽取問題，從而更準確地發(fā)現(xiàn)更多的實體關系，提升了中文關系抽取的整體性能。
　　本文的主要創(chuàng)新性工作體現(xiàn)在:
　　(1)從語義角度提出最近句法依賴動詞特征和趨向核心動詞特征。最近句法依賴動詞特征能較好地表征實體關系類型，有利于具體關系類型的識別，而且較好地解決數(shù)據(jù)分布不均衡帶來的問題，能夠顯

13、著提升中文顯式關系抽取性能。趨向核心動詞特征進一步提高了動詞特征對中文顯式關系抽取性能的影響。
　　(2)提出句內(nèi)基于協(xié)陪義動詞的隱式關系推理規(guī)則。設計了協(xié)陪義候選句型分類算法以及相應的協(xié)陪義成分識別算法;構建了三種句內(nèi)基于協(xié)陪義動詞的隱式關系推理規(guī)則，有效解決句內(nèi)基于協(xié)陪義動詞的中文隱式關系抽取問題。
　　(3)提出句間基于協(xié)陪義動詞的隱式關系推理規(guī)則。從零形回指的角度，提出了句間基于協(xié)陪義動詞的隱式關系推理規(guī)則，有效解決