基于上位詞的中文實體關系圖譜構建.pdf

1、隨著互聯(lián)網與大數(shù)據的飛速發(fā)展，如何在大規(guī)模數(shù)據中提取挖掘出有價值的信息，并將這些信息整理構建成體系已經成為目前國內外的一個重要研究課題。對于文本信息而言，建立起實體之間的關系，并進一步構建出一個龐大豐富的分類體系對解決很多搜索問題以及自然語言處理問題具有深遠意義。
　　實體是自然語言處理的基本單元，實體關系是自然語言處理的基礎性課題，是很多其他自然語言處理任務的基礎，同時也是很多信息檢索問題的基礎。構建一個準確而全面的實體關系圖譜

2、具有巨大的學術意義和應用價值。
　　本文著眼于構建一個性能優(yōu)異且規(guī)模龐大的中文實體關系圖譜，其中實體間的關系主要為上下位關系。本文的研究內容主要包括三方面：基于推薦算法的實體上位關系補充，基于挖掘頻繁項集關聯(lián)性的上位關系層次化及基于詞結構信息的上位關系層次化。
　　本文使用挖掘頻繁項集關聯(lián)性與分析詞結構信息相結合的方法來自動挖掘上位詞之間的上位關系，達到了較好的層次化效果，而且創(chuàng)新性的使用了推薦算法來對實體的上位詞進行補充。

3、層次化效果具有很高的準確率，使得大量的實體達到了自動分類的效果。對于每種方法，本文都進行了嚴密的推理和假設，就具體問題進行深入分析并提供合適有效的解決方案。在挖掘頻繁項集關聯(lián)性的過程中，本文使用了Apriori算法，并針對實際問題對其進行了改進。在分析詞結構信息的過程中，我們對中文獨有的核心詞特性，設計了對應的算法方案。
　　實驗結果表明，本文的中文實體關系庫在性能上達到了可以應用的程度，而且隨著用戶使用該系統(tǒng)次數(shù)的增加，上位關系