语法规则和改进关联规则的中文文本非等级关系提取研究-图书情报工作.PDFVIP

第５７卷 第２２期　２０１３年１１月 语法规则和改进关联规则的中文文本非等级关 系提取研究 ■ 余凡　程虹　楼雯 ［摘　要］针对目前适用于中文文本非等级关系提取方法偏少以及关联规则筛选方法忽略了集中出现在 部分文本集中的领域词汇关系的问题，通过对中文文本的统计分析，尝试定义一套中文非等级关系提取的规 则，同时提出一种加入平均值变量的改进的关联规则。实践证明，基于自定义的语法规则提取方法能够有效地 从中文文本中提取出主、谓、宾语，进而提取出非等级关系，改进的关联规则方法能够提取出集中出现在部分文 本集中的领域词汇非等级关系。 ［关键词］非等级关系提取　语法规则　关联规则　中文文本 ［分类号］Ｇ３５０ 　　ＤＯＩ：１０．７５３６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１３．２２．０２０ １　引　言 词。虽然句子构成丰富多样，但是仍然存在一定的规 律，比如动词一般充当谓语，充当主语的名词一般在动 　　作为实现语义网的基础技术支撑，本体一直都是 ［５－６］ 词谓语前面，充当宾语的名词一般在谓语后面 。 研究热点。概念和关系是构成本体的两大基本元 通过统计句子组成的规律，从而根据规律提取句子的 ［１］ ［２］ 素 。关系又可细分为等级关系和非等级关系 。本 主、谓、宾，形成非等级关系。 体构建方法相对成熟，但从文本中正确获取概念和关 ２．２　基于统计的非等级关系提取 系的方法则一直没有形成规范。相对于概念获取，关 　　基于统计的非等级关系提取方法包括：首先计算 系获取更加困难。相对于等级关系获取，非等级关系 出中文文本中共现的概念对的频率，然后根据一定的 获取更加困难。如何将文本中的非等级关系提取出来 权重和算法计算出每对概念对的相关度，最后设定一 是构建本体最复杂、最重要的一步。目前本体非等级 个阈值，将高于该阈值的概念对之间的关系抽取出来， 关系提取主要分为两个方向：基于规则的非等级关系 ［７－８］ 成为非等级关系 。统计方法非常多，使用最多的 ［３］ ［４］ 提取 和基于关联规则的非等级关系提取 。第一种 ［９－１０］ 方法是关联规则 。 方法多集中在对英文文献的研究上，没有适用于中文 ｆ（ｗｗ） 　　Ｓｕｐｐｏｒｔ（ｗ ｗ）＝ １ ２ （１） → 提取的方法。第二种方法忽略了集中出现在部分文本 １ ２ ｎ ∑ｆ（ｗｗ） ｉ ｊ 集中的领域