基于詞向量和文本特征的事件提取.pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展，各種媒體不斷涌現(xiàn)，文本作為數(shù)據(jù)的一種載體，數(shù)量也日益增多，文本挖掘已成為研究領(lǐng)域的熱點(diǎn)。目前，隨著計算機(jī)技術(shù)的迅猛發(fā)展，如何讓計算機(jī)學(xué)會并理解自然語言成為文本挖掘領(lǐng)域的新方向。讓計算機(jī)理解文本的難點(diǎn)在于：一、如何把文本轉(zhuǎn)換成計算機(jī)熟悉的數(shù)字?jǐn)?shù)據(jù)；二、如何讓計算機(jī)像人一樣理解文本中的含義。把文本轉(zhuǎn)換成計算機(jī)熟悉的數(shù)字?jǐn)?shù)據(jù)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(jī)理解文本中的含義一般是對句子進(jìn)行語義分析，本文使用了語義關(guān)系中的依存關(guān)系做特征。最近，文本挖掘已經(jīng)成功應(yīng)用于生物醫(yī)學(xué)領(lǐng)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(biāo)與集成學(xué)習(xí)的不平衡數(shù)據(jù)分類方法。由于現(xiàn)實生活中經(jīng)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(biāo)與集成學(xué)習(xí)的不平衡數(shù)據(jù)分類方法。在集成算法中，通過不平衡問題評價指標(biāo)G來優(yōu)化弱分類器在訓(xùn)練集上的錯誤

3、率，并將優(yōu)化后的錯誤率用到訓(xùn)練樣本權(quán)重的更新和弱分類器投票權(quán)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(shù)類上的分類準(zhǔn)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(guān)系，并結(jié)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(fù)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(shù)據(jù)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(jié)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(diǎn)，被廣泛用于自然語言處理領(lǐng)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(jī)進(jìn)行分類，大大提高了生物事件提取