基于詞向量和文本特征的事件提取.pdf

1、隨著科學技術的飛速發(fā)展，各種媒體不斷涌現，文本作為數據的一種載體，數量也日益增多，文本挖掘已成為研究領域的熱點。目前，隨著計算機技術的迅猛發(fā)展，如何讓計算機學會并理解自然語言成為文本挖掘領域的新方向。讓計算機理解文本的難點在于：一、如何把文本轉換成計算機熟悉的數字數據；二、如何讓計算機像人一樣理解文本中的含義。把文本轉換成計算機熟悉的數字數據屬于特征提取的范疇，本文使用了兩種特征來做詞特征，一是詞向量，二是詞的文本特征，包括詞性、詞根等

2、。讓計算機理解文本中的含義一般是對句子進行語義分析，本文使用了語義關系中的依存關系做特征。最近，文本挖掘已經成功應用于生物醫(yī)學領域，用來提取生物事件信息，本文在生物事件提取上做了以下三個工作：
　　(1)提出了一種基于不平衡分類指標與集成學習的不平衡數據分類方法。由于現實生活中經常遇到不平衡分類問題，本文提出了一種基于不平衡分類指標與集成學習的不平衡數據分類方法。在集成算法中，通過不平衡問題評價指標G來優(yōu)化弱分類器在訓練集上的錯誤

3、率，并將優(yōu)化后的錯誤率用到訓練樣本權重的更新和弱分類器投票權重的求取中。本文提出的不平衡分類方法提高了分類器在少數類上的分類準確率，使集成算法更適合用于解決不平衡分類問題。
　　(2)提出了一種基于文本特征的生物事件提取方法。本文把生物事件提取方法分成了兩步，第一步提取生物事件觸發(fā)詞；第二步提取生物分子相互關系，并結合生物事件觸發(fā)詞的類型生成生物事件。在提取生物事件時，本文提出了生物事件觸發(fā)詞樣本篩選方法，并提出了復雜生物事件循環(huán)

4、嵌套問題的解決方法。在BioNLP ST(Shared Tasks)2013 GE(Genia Event Extraction)數據上的實驗表明：本文提出的生物事件提取方法取得了滿意的結果。
　　(3)提出了一種基于詞向量和文本特征的生物事件提取方法。近年來，詞向量由于其低維、連續(xù)、稠密的特點，被廣泛用于自然語言處理領域的各個方面。本文在提取生物事件觸發(fā)詞時，基于詞向量以及文本特征，利用支持向量機進行分類，大大提高了生物事件提取