基于词形规则模板的术语层次关系抽取方法.pdfVIP

情报学报 ＩＳＳＮ １０００ ０１３５ 第３２卷第７期７０８ ７１５，２０１３年７月 ＪＯＵＲＮＡＬ ＯＦ ＴＨＥ ＣＨＩＮＡ ＳＯＣＩＥＴＹ ＦＯＲ ＳＣＩＥＮＴＩＦＩＣ ＡＮＤ ＴＥＣＨＮＩＣＡＬ ＩＮＦＯＲＭＡＴＩＯＮ ＩＳＳＮ １０００ ０１３５ Ｖｏｌ． ３２ Ｎｏ． ７，７０８ ７１５ Ｊｕｌｙ ２０１３ ｄｏｉ：１０． ３７７２ ／ ｊ． ｉｓｓｎ． １０００ ０１３５． ２０１３． ０７． ００４ 收稿日期：２０１２年９月１７日 作者简介：韩红旗，男，１９７１年，博士，讲师，主要研究方向：文本挖掘、科技情报分析。Ｅ ｍａｉｌ：ｂｉｔｈｈｑ＠ １６３． ｃｏｍ。徐硕，男， １９７９年生，博士，副研究员，主要研究方向：文本挖掘，信息抽取；桂婕，女，１９７６ 年生，博士，副研究员，主要研究方向：数据挖 掘，专利分析；乔晓东，男，１９６６年生，英国谢菲尔博士学硕士，研究员，主要研究方向：信息服务，信息资源管理等；朱礼军，男， １９７３年生，博士，研究员，主要研究方向：知识组织、语义检索等；安小米，女，１９６５年生，博士生导师，教授，主要研究方向：知识 管理、信息资源管理。 １） 本研究受中国科学技术信息研究所预研项目“基于内容和链接的学术社交网络分析”（ＹＹ２０１２２１）、“十二五”国家科 技支撑计划项目“面向外文科技知识组织体系的大规模语义计算关键技术研究”（２０１１ＢＡＨ１０８０４）“基于ＳＴＫＯＳ的知识服务 应用示范”（２０１１ＢＡＨ１０Ｂ０６）、中国人民大学明德学者科学研究基金（中央高校基本科研业务费专项资金资助）“知识工程背 景下信息资源管理术语构建方法研究”项目（１０ＸＮＪ０５２）资助。 基于词形规则模板的术语层次关系抽取方法１） 韩红旗１ 徐硕１ 桂婕１ 乔晓东１ 朱礼军１ 安小米２ （１． 中国科学技术信息研究所，北京１０００３８； ２． 数据工程与知识工程教育部重点实验室（中国人民大学），中国人民大学信息资源管理学院，北京１００８７２） 摘要 术语层次关系抽取是领域概念关系体系构建的重要基础。针对目前术语关系抽取中手工实现的问题， 提出了基于词形规则模板匹配的术语层次关系抽取方法，实现从科技论文文本中抽取类属关系（ＩＳ Ａ）和整体部分 关系（ＰＡＲＴ ＯＦ）关系。利用复合术语的ｈｅａｄ和ｍｏｄｉｆｉｅｒ特征，比较两个术语之间存在的边缘共用词汇，构造模板 来确定它们之间的ＩＳ Ａ和ＰＡＲＴ ＯＦ关系；提出泛化度指标，用于测量两个术语在概念层次树上的相对位置；提出 相关度概念，用于测量两个术语之间在语义上的相关性。对不存在共用词汇和不匹配模板的术语采用泛化度差值 和相关度来判断它们之间是否存在层次关系。实验从信息资源管理领域的论文文本中提取层次关系术语对１３０６ 对，准确率达到９２． ５％，证明提出的方法是有效的。 关键词 术语关系抽取层次关系词形规则文本挖掘 Ｔｅｒｍ Ｈｉｅｒａｒｃｈｉｃａｌ Ｒｅｌａｔｉｏｎ Ｅｘｔｒａｃｔｉｏｎ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｍｏｒｐｈｏｌｏｇｙ Ｒｕｌｅ Ｔｅｍｐｌａｔｅ Ｈａｎ Ｈｏｎｇｑｉ１，Ｘｕ Ｓｈｕｏ１，Ｇｕｉ Ｊｉｅ１，Ｑｉａｏ Ｘｉａｏｄｏｎｇ１，Ｚｈｕ Ｌｉｊｕｎ１ ａｎｄ Ａｎ Ｘｉａｏｍｉ２ （１ ． Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｓｃｉｅｎｔｉｆｉｃ ａｎｄ Ｔｅｃｈｎｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ ｏｆ Ｃｈｉｎａ （ＩＳＴＩＣ），Ｂｅｉｊｉｎｇ １０００３８，Ｃｈｉｎａ； ２． Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｄａｔａ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｅｎｇｉｎｅｅｒｉｎｇ（Ｒｅｎｍｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎａ），ＭＯＥ； Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｓｏｕｒｃｅ Ｍａｎａｇｅｍｅｎｔ，Ｒｅｎｍｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎａ Ｂｅｉｊｉｎｇ １００８７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ａ ｔｅｒｍ ｒｅｌａｔｉｏｎｓｈｉｐ ｅｘｔｒａｃｔｉｏｎ ｍｅｔｈｏｄ ｗａｓ ｐｕｔ ｆｏｒｗａｒｄ ｉｎｔｅｇｒａｔｉｎｇ ｍｏｒｐｈｏｌｏｇｙ ｒｕｌｅｓ ａｎｄ ｓｔａｔｉｓｔｉｃｓ ａｎａｌｙｓｉｓ ｔｏ ｅｘｔｒａｃｔ ｔｗｏ ｔｙｐｅｓ ｏｆ ｈｉｅｒａｃｈｉｃａｌ ｒｅｌａｔｉｏｎｓ ａｍｏｎｇ ｔｅｒｍ ｐａｉｒｓ：ＩＳ Ａ ａｎｄ ＰＡＲＴ ＯＦ． Ｉｎ ｍｏｒｐｈｏｌｏｇｙ ｒｕｌｅ ａｎａｌｙｓｉｓ，ｆｉｖｅ ｔｙｐｅｓ ｏｆ ｔｅｍｐｌａｔｅｓ ｗｅｒｅ ｄｅｓｉｇｎｅｄ ｔｏ ｊｕｄｇｅ ｈｉｅｒａｃｈｉｃａｌ ｒｅｌａｔｉｏｎｓ ａｍｏｎｇ ｔｅｒｍｓ ｗｉｔｈ ｃｏｍｍｏｎ ｌｅｆｔ ｏｒ ｒｉｇｈｔ ｓｕｂ ｓｔｒｉｎｇ ｕｓｉｎｇ ｈｅａｄ ｏ