从Web网页上获取一价事件常识的方法.pdfVIP

第 10卷 第25期 2010年 9月 科 学 技 术 与 工 程 Vo1．10 No．25 Sep．2010 1671—1815(2010)25—6300—05 ScienceTechnologyandEngineering ⑥ 2010 Sci．Tech．Engng． 从 Web网页上获取一价事件常识的方法 杨 帆 孙 强 (江苏科技大学，镇江212003；91206部队，青岛266108) 摘 要 一价事件是以一价动词为核心构成的事件。为了提高查询的智能性和准确性，尝试用一价事件设计描述 了从 《实习 词表》中挑选一价动词，根据 《一价动词表》设计Google查询项，根据Google查询项从Web网页上获取大规模的语料。用特征 提取方法从Web语料中抽取事件上下文中的相关词，根据相关词评价Google查询项的优劣，并进行调整。得到与一价动词相 关的因果逻辑 ，丰富查询项，从而提高查询精度。 关键词 特征提取 文本 信息检索 分词算法 中图法分类号 TP391．3； 文献标志码 A 特征抽取又称特征提取，是指模式识别中，对 征或特征项，而特征项必须具备一定的特性： 某一模式的一组测量值进行变换 以突出该模式具 (1)特征项要能够确实标识文本内容； 有代表性特征的方法。是一种提取有效信息的方 (2)特征项具有将 目标文本与其他文本相区分 法。特征，通常指传感器某一通道反射率测量值。 的能力 ； 与某一模式有关的特征数 目称为其 “维数”。特征 (3)特征项的个数不能太多； 抽取的 目的就是从噪音巾分离出有用的信息以及 (4)特征项分离要比较容易实现。 减少数据的维数，以简化分类器巾所进行的计算。 1．2 特征选取的方式 特征提取(FeatureSelection)通常根据某个特征评估 (1)用映射或变换的方法把原始特征变换为较 函数计算各个特征的评分值，然后按评分值对这些 少的新特征； 特征进行排序，选取若干个评分值最高的作为特征 (2)从原始特征中挑选出一些最具代表性的 词。特征提取的对象是海量 、异构、分布的文档 特征； (Web)…；文档内容是人类所使用的自然语言，缺乏 (3)根据专家的知识挑选最有影响的特征； 计算机可理解的语义。目前有关文本表示的研究主 (4)用数学的方法进行选取 ，找出最具分类信 要集中于文本表示模型的选择和特征词选择算法的 息的特征，这种方法是一种 比较精确的方法，人为 选取上。随着网络知识组织 、人工智能等学科 的发 因素的干扰较少，尤其适合于文本 自动分类挖掘系 展，文本特征提取将向着数字化、智能化、语义化的方 统的应用。 向深入发展，在社会知识管理方面发挥更大 阼用。 随着网络知识组织、人工智能等学科的发展， 1 特征提取方法 文本特征提取将 向着数字化 、智能化 、语义化 的方 向深入发展，在社会知识管理方面发挥更大的作用。 1．1 特征项的特性 1．3 三种特征提取方法 基于表示文本的基本单位通常称为文本的特 1．3．1 基于统计的特征提取方法 这类型算法通过构造评估 函数 ，对特征集合中 2010年5月27日收到