基于維基百科的人物關(guān)系抽取研究.pdf

1、在信息抽取研究工作中，人物關(guān)系抽取是一個重要的研究課題。針對人物關(guān)系抽取的研究工作興起于MUC會議的評測項目，后來由ACE會議取代。目前，大部分的中文人物關(guān)系研究工作所用語料，大都是來自ACE會議的結(jié)構(gòu)化評測語料或者人民日報等較為規(guī)范的新聞?wù)Z料。但在現(xiàn)實應(yīng)用中，特別是在互聯(lián)網(wǎng)時代，人們越來越習(xí)慣從互聯(lián)網(wǎng)中檢索想要了解的人物、事件等信息，維基百科就是其中一個常用的搜索引擎。維基百科是一個開放的知識庫，它包含了豐富的人物關(guān)系信息，同時，它也

2、是一個較符合網(wǎng)絡(luò)文本半結(jié)構(gòu)化特點的知識庫。因此，基于維基百科的人物關(guān)系抽取與實際生活中的人物關(guān)系抽取更為相似。人物關(guān)系抽取的主要思想是將其轉(zhuǎn)化為人物關(guān)系分類問題。傳統(tǒng)的抽取方法主要分為基于知識庫、基于機器學(xué)習(xí)和基于模式匹配。在基于機器學(xué)習(xí)的方法中又主要分基于核與基于特征向量的分類方法。在人物關(guān)系抽取的過程中的兩個主要難點是人名識別和人物關(guān)系識別。
　　本研究主要內(nèi)容包括：⑴為解決現(xiàn)有分詞工具在人名識別中存在的外文音譯人名識別率不高

3、的問題，本文采用抽取維基百科中信息盒數(shù)據(jù)的方法，構(gòu)建了基于中文維基百科的人物庫;同時利用維基百科中的Link數(shù)據(jù)構(gòu)建了基于中文維基百科的外文音譯人名詞典。⑵提出采取模式匹配與特征向量方法融合的層次分類方法進行人物關(guān)系分類，利用DAG-SVMs多值分類方法解決人物關(guān)系分類中的多值分類問題，以提高分類模型執(zhí)行速度與性能，同時在人物關(guān)系的劃分中引入本人關(guān)系，以減輕維基百科中存在的“同人不同名”的現(xiàn)象;并通過實驗驗證了此方法的可行性。⑶利用提出