自由文本的信息抽取模式獲取的研究.pdf

1、為了提高采用模式匹配法的IE系統(tǒng)的可移植性,關(guān)鍵是如何較為快捷方便準(zhǔn)確全面的獲取針對某個(gè)IE領(lǐng)域/任務(wù)的IE模式.起初,IE模式是人工通過手工方法來建立的,但這費(fèi)時(shí)費(fèi)力,對用戶或領(lǐng)域?qū)＜业募寄芩揭筝^高.為了較為快捷方便的獲取IE模式,人們采用機(jī)器學(xué)習(xí)方法來獲取IE模式.最早的IE模式學(xué)習(xí)方法需要手工標(biāo)注規(guī)模較大的語料;而標(biāo)注大規(guī)模的語料也費(fèi)時(shí)費(fèi)力,于是為了減輕用戶的勞動(dòng)并降低對用戶的技能要求,改進(jìn)后的模式學(xué)習(xí)方法只是要求用戶將訓(xùn)練文

2、檔集合分為相關(guān)和不相關(guān)的兩類,然后就能自動(dòng)的從中學(xué)出相關(guān)的IE模式;進(jìn)一步的研究發(fā)現(xiàn),即使要求用戶將訓(xùn)練文檔集合分為相關(guān)和不相關(guān)的兩類,也并非易事,因而目前最新的做法是只要求用戶提供幾個(gè)可以輕易想到的有代表性的IE模式,相應(yīng)的模式學(xué)習(xí)方法就可以從一個(gè)未經(jīng)分類的文檔集合中學(xué)出更多的模式并同時(shí)完成對文檔的相關(guān)性分類.在上述各種事件IE模式學(xué)習(xí)方法中,都采用了各自不同的模式表示方式.但無論這些事件IE模式的表示方式有多大差異,它們都利用了語法

3、信息和語義信息的概括約束作用.其中,語義信息的概括約束作用是通過將模式中的某些概念元素用它們的上位概念代替來完成的,而這就需要一個(gè)概念層次知識庫的支持.本文給出了一種基于領(lǐng)域無關(guān)概念知識庫的事件IE模式學(xué)習(xí)方法GenPAM.該方法利用了領(lǐng)域無關(guān)的概念層次知識庫如WordNet/HowNet等的支持并能在模式學(xué)習(xí)的過程中同時(shí)實(shí)現(xiàn)詞義消岐.GenPAM在進(jìn)行IE模式學(xué)習(xí)的時(shí)候,不需用戶提供幾個(gè)有代表性的種子模式,也不需用戶進(jìn)行語料分類,更不

4、需用戶進(jìn)行語料標(biāo)注,只需用戶進(jìn)行IE任務(wù)定義之后,系統(tǒng)就可自動(dòng)的從一個(gè)未經(jīng)標(biāo)注和分類的原始語料中學(xué)出IE模式,而且整個(gè)過程是在領(lǐng)域無關(guān)的概念知識庫的支持之下實(shí)現(xiàn)的.這自然可以比以往的其它IE模式學(xué)習(xí)方法更能減少用戶的工作量并降低對他們的技能要求.我們將GenPAM用于從MUC-7提供的英語飛行事故訓(xùn)練語料中進(jìn)行IE模式獲取并在這些IE模式指導(dǎo)下從MUC-7提供的測試語料中進(jìn)行墜機(jī)事件的抽取的實(shí)驗(yàn).Internet/www的發(fā)展使得網(wǎng)上電

5、子文檔數(shù)目巨大且迅猛增長,從中抽取出各種關(guān)系并將之結(jié)構(gòu)化存儲(chǔ)是進(jìn)行Web挖掘的前提之一.而抽取某類二元關(guān)系需要與該類二元關(guān)系相對應(yīng)的關(guān)系模式的指導(dǎo).加上各種應(yīng)用如開放領(lǐng)域知識問答對關(guān)系IE模式的需求,關(guān)系IE模式的獲取也日顯重要.本文提出了一種自舉的二元關(guān)系和二元關(guān)系模式獲取方法BRPAM,該法能在人工給定的屬于某個(gè)二元關(guān)系類別的幾個(gè)二元關(guān)系的基礎(chǔ)上,通過自舉學(xué)習(xí),從一個(gè)大的文檔集合D中找出更多的二元關(guān)系并同時(shí)生成更多的二元關(guān)系模式.我