文本主題段落內(nèi)部概念關系抽取技術研究.pdf

1、隨著計算機的普及和互聯(lián)網(wǎng)的迅猛發(fā)展，網(wǎng)絡上文本信息的數(shù)量快速增長，然而人們卻很難迅速地找到所需的信息。為了改變這種尷尬的局面，迫切需要一些自動化的工具幫助人們在海量信息中迅速而準確地找到用戶真正需要的信息，信息抽取技術就是在這一背景下產(chǎn)生出來的?；ヂ?lián)網(wǎng)上信息又大多以文本形式存在，而文本從線性和層次角度上可以分為若干個段落主題。由于標引段落主題的概念之間存在某種關系，作者抽取出段落主題概念及其之間的關系，就為基于段落主題的信息檢索以及文本

2、自動摘要工作提供了一個新的途徑。 本文的研究工作是基于主題段落的概念和概念關系抽取技術研究。主題段落概念及其關系抽取簡單來說，就是從文本段落內(nèi)部挖掘出能反映文本內(nèi)容的若干個主題概念，并構(gòu)建出這些概念之間的關系。首先為了抽取出標引文本主題的概念，我們通過詞聚類的方式獲取概念，在構(gòu)建向量空間模型時，原本的以詞形為基礎的向量空間模型就變成了概念空間模型。然后利用知網(wǎng)中概念詞之間的相似度，加權(quán)計算出向量空間模型中各個分量的權(quán)值。隨后，不

3、同于以往的詞頻加權(quán)算法，提出了基于詞語量化關系的主題概念抽取算法，通過定量的分析概念之間的相關信息，抽取出更能準確標引文本主題的概念。首先利用一部中文詞典《現(xiàn)代漢語規(guī)范詞典》——一種非結(jié)構(gòu)化的數(shù)據(jù)源作為背景知識，來挖掘詞語之間的量化關系。然后利用這種量化關系為概念向量模型中概念分量構(gòu)建相關向量，再通過對概念相關向量和權(quán)值的計算，得出每個概念對于文本的主題重要度，最終依據(jù)重要度抽取出能夠標引文本主題的概念。對于抽取出來的主題概念,使用基于