基于詞向量的基礎(chǔ)教育資源領(lǐng)域概念及關(guān)系抽取研究.pdf

1、目前，類人智能在全球蓬勃發(fā)展，比較有代表性的項目有日本的Todai Robot項目——目標是讓機器人參加高考并取得高分，IBM的Waston項目——已經(jīng)拓展至醫(yī)療等領(lǐng)域，這類類人智能項目對教育、醫(yī)療等行業(yè)幫助巨大。然而這些類人智能項目的成功應(yīng)用離不開完備知識庫的支持，因此拓展類人智能項目的知識庫，對提高其智能水平至關(guān)重要。以“文綜”為代表的基礎(chǔ)教育資源，蘊含了豐富的知識，故研究如何從海量的基礎(chǔ)教育資源中獲取豐富的語義信息，并構(gòu)建基礎(chǔ)教育

2、領(lǐng)域本體知識庫，對構(gòu)建類人智能產(chǎn)品具有重要意義。
　　本文依托863項目“面向基礎(chǔ)教育的類人智能知識理解與推理關(guān)鍵技術(shù)”（2015AA015403）對知識抽取的兩個核心任務(wù)——領(lǐng)域概念及概念間關(guān)系抽取進行了研究。主要研究工作如下：
　　1）設(shè)計了基于 F-M-E的合成詞抽取算法及基于詞頻分布狀態(tài)的領(lǐng)域概念抽取算法。針對領(lǐng)域概念被分詞工具錯誤切分的情況，結(jié)合詞性和語言模型的統(tǒng)計特征，設(shè)計了基于F-M-E的合成詞抽取算法（F指詞

3、頻，M指互信息，E指信息熵）進行合成詞的抽取，保證了領(lǐng)域概念的完整性；針對低頻領(lǐng)域概念漏抽取及高頻非領(lǐng)域概念被錯誤抽取的情況，根據(jù)領(lǐng)域概念與非領(lǐng)域概念分布狀態(tài)的差異，設(shè)計了基于詞頻分布狀態(tài)的領(lǐng)域概念抽取算法并對歷史領(lǐng)域概念進行了抽取。
　　2）設(shè)計了基于詞向量語義相關(guān)度的領(lǐng)域概念對獲取算法。本文利用基于神經(jīng)網(wǎng)絡(luò)的Word Embedding方法將文本語料的語詞映射到低維詞向量空間，用向量間的距離表征語詞之間的語義相關(guān)度，不僅能擴充

4、領(lǐng)域概念集，還能找出語義相關(guān)的概念對。
　　3）設(shè)計了基于語義相關(guān)度的擴展關(guān)聯(lián)規(guī)則非分類關(guān)系抽取算法。針對基于關(guān)聯(lián)規(guī)則的關(guān)系抽取算法僅根據(jù)語料的統(tǒng)計量特征抽取具有關(guān)聯(lián)關(guān)系的概念對的情況，設(shè)計了基于語義相關(guān)度的擴展關(guān)聯(lián)規(guī)則非分類關(guān)系抽取算法，該算法在基于關(guān)聯(lián)規(guī)則算法的基礎(chǔ)上添加了語義相關(guān)度這一評價標準來進行概念對的抽取，并利用詞向量和K-means聚類方法對關(guān)系標簽進行名詞擴充并將其分配到相應(yīng)的概念對上，最后得到概念對關(guān)系標簽三元組