基于特征向量实体间语义关系抽取的研究.doc

基于特征向量的实体间语义关系抽取研究 重庆大学硕士学位论文 学生姓名：毛小丽 指导教师：何中市 教 授  专  业：计算机软件与理论  学科门类：工 学 重庆大学计算机学院 二 O 一一年十月 Research on Feature-based Semantic Relation Extraction between Entities A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Degree of Master of Engineering By Mao Xiaoli Supervised by Prof. He Zhongshi Major: Computer Software and Theory College of Computer Science of Chongqing University, Chongqing, China October, 2011 重庆大学硕士学位论文  摘  要  中文摘要  随着互联网的迅猛发展和广泛运用，大量的信息以非结构化电子文本的形式 出现在人们面前。为了更好地获得这些非结构化信息，信息抽取应运而生。信息 抽取，就是从自然文本中提取出预先指定好的信息，并给出该信息的结构化描述。 其中，实体关系抽取作为信息抽取研究中的一个重要课题，它的基本任务是识别 并判定实体对之间存在的特定关系，目前主要的抽取技术为基于特征向量和基于 核函数的机器学习算法。实体关系抽取研究的意义在于它与信息过滤、信息检索 和问答系统有直接的关联，并且作为一项基础性研究，它对于内容理解、语境生 成、自动文摘、机器翻译、文本分类以及信息过滤等都有重要的研究意义。 本文针对基于特征向量的实体关系抽取中涉及的两个主要问题(特征选取和 特征选择)进行了研究，具体内容包括以下两方面： 1. 提出了基于语义角色特征的实体关系抽取方案。 基于特征向量的实体关系抽取本质上是将实体关系抽取问题转化为分类问 题，即先定义好几个关系类型，然后将实体对之间的关系分类到预定义的关系类 型。目前实体关系抽取常用的特征有实体及其上下文特征、动词特征、距离特征、 实体扩展特征等，然而实体间关系的判别是语义层面的，不能仅依赖于词语层面。 因此本文提出了基于语义角色的实体关系抽取方案，该方案在常用特征的基础上 新加入了语义角色特征。由于语义角色的标注代表了句子的浅层语法结构，它不 仅暗示了谓词和谓词框架中其它词语之间的语义关系，还暗示了谓词的不同成分 之间的语义关系。因此，包含了丰富信息的语义角色特征，将有助于区分不同实 体间的关系类型，进而在一定程度上提高实体关系抽取结果。 2. 提出了基于特征选择的实体关系抽取方案。 在文本分类问题中，特征空间维数一般能达到几万或者几十万维，这样的高 维空间一方面将使得训练分类模型以及预测结果的时间开销大大提高，另一方面 还可能由于引入了一些不必要的特征而使得抽取分类有所降低。针对上述问题， 人们已经进行了长时间的研究，并且取得了一定成果。在基于特征向量的实体关 系抽取问题中，也存在类似的问题，即过高的特征空间增加了关系抽取的时间开 销，并降低了性能。考虑到文本分类和实体关系抽取问题的相似性，本文研究提 出了一种实体关系抽取方案，该方案引入了文本分类中的特征选择算法，如信息 增益、期望交叉熵和 x2 统计，有效的实现了实体关系抽取中的特征空间降维。 关键词：实体关系抽取，语义角色，特征选择，期望交叉熵，x2 统计 I 重庆大学硕士学位论文  英文摘要  ABSTRACT With the rapid development and wide use of the internet, large amounts of information are in front of people in the form of unstructured text. In order to use the unstructured information better, information extraction which extracts pre-specified information from natural text and gives a structured description is proposed. The basic task of semantic relation extraction which is an important issue of information extraction is to identify and d