基于監(jiān)督學(xué)習(xí)的校友實體關(guān)系抽取研究.pdf

1、校友是高校發(fā)展的重要資源，大量的校友信息蘊含在電子文本或者網(wǎng)頁中，如何從中抽取出校友信息是一項很有價值的研究問題。傳統(tǒng)的解決方法是使用實體抽取方法將人名看作候選校友，但在復(fù)雜語境下，會出現(xiàn)“人名-學(xué)校”匹配不準(zhǔn)確的問題。本文將校友信息看成“人名-學(xué)校”關(guān)系，提出使用實體關(guān)系抽取模型來解決校友信息的抽取問題。而此類關(guān)系抽取模型亦可應(yīng)用于抽取“人名-公司”的雇傭關(guān)系和“人名-職位”的任職關(guān)系等。
　　 在實際抽取中可以發(fā)現(xiàn)校友關(guān)系是

2、存在于不同層級的機構(gòu)上的，例如，人名-學(xué)校，人名-院系，人名-班級等。而解決此類問題的關(guān)鍵則在于高校機構(gòu)的
　　 層級關(guān)系抽取。如此，得到的機構(gòu)實體及基于此的校友關(guān)系便可以實現(xiàn)類似于數(shù)據(jù)倉庫上卷、下鉆的操作，便于獲取不同層級的實體關(guān)系。
　　 本文針對校友實體關(guān)系抽取、機構(gòu)層級關(guān)系抽取這兩個問題進(jìn)行了研究。
　　 在進(jìn)行校友實體關(guān)系抽取時，提取當(dāng)前實體特征、其他人物實體特征和其他層級序列特征，采用SVM作為分類算

3、法，判斷人物實體與機構(gòu)層級序列之間是否具有校友關(guān)系。通過實驗驗證了算法的有效性，并且發(fā)現(xiàn)其他人物實體特征和其他層級序列特征的引入，對抽取的準(zhǔn)確率和衡量整體性能的F值有一定提升。
　　 在進(jìn)行機構(gòu)層級關(guān)系抽取時，從上下文中提取距離方面的特征、層級方面的特征和實體類型方面的特征，采用SVM作為分類算法，判斷機構(gòu)實體之間是否具有層級關(guān)系。通過實驗驗證了方法的有效性并且發(fā)現(xiàn)距離方面的特征對分類具有主要的貢獻(xiàn)，此外實體類型特征的引入提升了