基于JAVA的行業(yè)屬性關(guān)鍵詞擴(kuò)展方法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、伴隨因特網(wǎng)的快速發(fā)展及計(jì)算機(jī)越來(lái)越為大眾所認(rèn)可，信息隨之顯現(xiàn)出迅速膨脹的態(tài)勢(shì)。信息增長(zhǎng)所呈現(xiàn)出的過(guò)量形式，隨之也引發(fā)了相應(yīng)負(fù)面影響：大眾面對(duì)著龐雜的信息，很難攫取自身所需精準(zhǔn)的資料。怎樣自眾多數(shù)據(jù)中抽取有價(jià)值的信息是當(dāng)前研究的熱點(diǎn)。信息抽取正是在這種背景下應(yīng)運(yùn)而生的。
　　屬性是各異種類事物的特點(diǎn)，也是理解信息的關(guān)鍵點(diǎn)，屬性抽取具有重要的實(shí)際意義與廣闊的應(yīng)用前景，已經(jīng)成為信息抽取領(lǐng)域的研究熱點(diǎn)，吸引了大量學(xué)者展開(kāi)廣泛而深入的研究。

2、雖然取得了一定的進(jìn)展，但目前的屬性抽取方法不可避免的存在對(duì)使用者要求高，可移植性不高，正確率與召回率低，抽取效率低下等諸多問(wèn)題。一方面，現(xiàn)有的文本信息抽取有基于規(guī)則的方法和基于統(tǒng)計(jì)的方法。基于規(guī)則的方法無(wú)需運(yùn)用眾多標(biāo)注語(yǔ)料，進(jìn)而將眾多工作精簡(jiǎn)，但這種信息抽取方法的正確率及召回率完全取決于規(guī)則的設(shè)定，需要豐富的經(jīng)驗(yàn)與先驗(yàn)知識(shí)?；诮y(tǒng)計(jì)的方法則需要先進(jìn)行大量語(yǔ)料的學(xué)習(xí)，再在此基礎(chǔ)上制定信息抽取策略，這種信息抽取方法的正確率及召回率則需要取決

3、于語(yǔ)料的豐富程度與語(yǔ)料信息所涉及的領(lǐng)域范圍。另一方面，屬性關(guān)鍵詞這一觸發(fā)詞為屬性描述的重要特征，是制定規(guī)則的必要條件。漢語(yǔ)的表達(dá)方式靈活多樣，描述同一個(gè)屬性可能使用多個(gè)詞，屬性詞語(yǔ)存在的字面不同點(diǎn)引發(fā)了分散的屬性值。現(xiàn)有關(guān)鍵詞拓展算法均采用基于現(xiàn)有詞語(yǔ)庫(kù)來(lái)對(duì)關(guān)鍵詞進(jìn)行擴(kuò)展的原理，該方法依賴于所用詞語(yǔ)庫(kù)的完備程度，而且缺乏對(duì)現(xiàn)有語(yǔ)料庫(kù)信息的有效利用。
　　本文針對(duì)以上問(wèn)題，從屬性關(guān)鍵詞擴(kuò)展方法、信息抽取方法兩個(gè)方面展開(kāi)研究。首先，借

4、助開(kāi)源爬蟲(chóng)對(duì)諸如百度百科、互動(dòng)百科及維基百科這些互動(dòng)百科條目予以下載。這一領(lǐng)域的百科聯(lián)系的類別眾多，有關(guān)種類的條目中蘊(yùn)含著豐富的屬性信息?；诰W(wǎng)絡(luò)百科進(jìn)行屬性關(guān)鍵詞擴(kuò)展研究對(duì)于屬性抽取具有重要的意義。其次，提出一種基于現(xiàn)有詞語(yǔ)庫(kù)同時(shí)利用現(xiàn)有語(yǔ)料資料中詞語(yǔ)相關(guān)程度相結(jié)合的屬性關(guān)鍵詞拓展算法，并針對(duì)快消品類別，實(shí)現(xiàn)了屬性關(guān)鍵詞擴(kuò)展。然后，在這種屬性關(guān)鍵詞拓展算法的基礎(chǔ)上提出一種半自動(dòng)化的自學(xué)習(xí)信息抽取方法，在保證準(zhǔn)確率與召回率的同時(shí)極大的減