Web旅游文化挖掘中的實體關(guān)系抽取及知識鏈接系統(tǒng)構(gòu)建.pdf

1、隨著社會的不斷發(fā)展和工作壓力的不斷增加，旅游成為了人們釋放壓力和享受生活的一種方式。人們的文化程度越來越高，在觀光旅游時不僅尋求美麗的自然景觀，還期待著豐富的文化體驗。Web中含有大量的文化旅游信息，包括自然景觀介紹、名人趣事、景點相關(guān)詩歌、電影等等。如何從雜亂的、無結(jié)構(gòu)的文本中識別和挖掘出游客們感興趣的文化信息，豐富景點的文化內(nèi)涵昵？利用信息抽取技術(shù)就可以提取到上述相關(guān)信息。本文從旅游文化挖掘的角度出發(fā)，對Web旅游信息文本進行命名實

2、體識別和實體關(guān)系抽取，并將抽取的知識構(gòu)建成關(guān)系網(wǎng)絡(luò)（即知識圖譜）。
　　命名實體識別主要有基于規(guī)則和機器學(xué)習(xí)兩種方法。基于機器學(xué)習(xí)的方法雖然有很好的統(tǒng)計基礎(chǔ)，但需要大量的人工標(biāo)注語料，且特征的好壞直接影響到性能?；旧?，要是能夠設(shè)計制定出合適的規(guī)則，那基于規(guī)則的方法在效率和準(zhǔn)確性方面，都會比基于機器學(xué)習(xí)的方法更好。本文的Web旅游信息文本數(shù)據(jù)句型單一，內(nèi)容耦合度相對較高，且本文關(guān)注的5類實體均含有組合實體和泛指實體。但這5類實體在

3、詞、詞性組合和依存關(guān)系路徑上存在著共同點，如:動詞只能作為修飾成分或者狀語成分出現(xiàn)在實體中;實體首部和尾部大都為名詞等等。因而，本文在對文本進行分句、分詞、詞性標(biāo)注、依存句法分析和語義角色標(biāo)注后，結(jié)合詞、詞性組合和依存句法結(jié)構(gòu)提出了候選實體抽取算法，實驗結(jié)果表明實體召回率能夠達到96％。然后，用實體后綴詞規(guī)則和機器學(xué)習(xí)的方法對實體進行分類剪枝，最終性能F值能夠達到91％，基本上能夠識別和分類出所有的實體。
　　通過分析Web旅游文

4、本的句式特點，提出了最近句法依賴動詞特征，并通過實驗驗證了其有效性。本文在命名實體識別的基礎(chǔ)上，對數(shù)據(jù)進行二次處理，最后使用基于特征向量的機器學(xué)習(xí)方法進行關(guān)系抽取。同時，為了尋求最優(yōu)特征，本文綜合了以往研究中提出的詞、句法和語義特征。本文一共進行了14組實驗對比，探討和分析了不同特征對關(guān)系抽取的影響，并找出了最適合Web旅游信息文本的特征。
　　為了更加豐富關(guān)系抽取的結(jié)果，本文設(shè)計了3條時間填充原則，為關(guān)系抽取的結(jié)果加入時間元組。