web信息抽取中的若干关键问题研究计算机应用技术专业论文.docxVIP

中圈绅誊敢求 中圈绅誊敢求 犬誊 硕士学位论 文 We b信息抽取中的若干关键 问题研究 作者姓名： 于永波 学科专业： 计算机应用技术 导师姓名： 金培权副教授 完成时间： 二O一五年四月 万方数据 University University of Science and Technology of China A Dissertation for Master，S Degree Research on Some Key Iss ues i n Web I nformation Extraction Author’S Name： Yongbo Yu Specialty： Computer Application Technology Supervisor：Prof．Peiquan Jin Finished time： April，20 1 5 万方数据 万方数据 万方数据 中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的 成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或 撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均己在论文中作 了明确的说明。 作者签名：当壶嫂 签字嗍 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学 拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构 送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入《中 国学位论文全文数据库》等有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内 容相一致。 保密的学位论文在解密后也遵守此规定。 ／ 作者签名：§逸这 导师签名：赵尘 留公开开保密( 年) 签字日期： 签字日期： 万方数据 万方数据 摘要摘要 摘要 摘要 近年来，随着Web应用的快速发展，互联网上的信息资源越来越丰富。在 此背景下，Web信息抽取技术应运而生。Web信息抽取是一种从海量的数据中 准确获取用户所需的事实信息的处理技术，涉及实体识别与抽取、关系抽取、 实体消歧、观点挖掘和倾向性分析等诸多问题，目前已成为Web领域中的研究 热点之一。 本文围绕Web信息抽取领域中的两类关键问题——命名实体消歧和倾向性 信息抽取——开展了研究。命名实体消岐旨在消除Web中一个命名实体在指代 概念上的歧义，从而确定其正确指代的实体。由于Web环境中一个命名实体指 称项可以对应多个实体概念，如命名实体指称项“华盛顿”既可以指代美国总统 乔治华盛顿也可以指代首府华盛顿哥伦比亚特区。因此，命名实体消歧技术在 Web问答系统、信息检索、机器翻译等应用领域有着重要的应用价值。倾向性 信息抽取关注于从海量的非结构化的web数据中挖掘出观点信息，继而分析信 息发布者对其发布信息的情感倾向性。倾向性信息抽取在现代生活中有着诸多 的应用，例如，可以帮助企业准确获取用户对产品的评价，以便优化营销策略； 可以为政府部门在舆情监控、突发事件处理等提供决策依据。 本文针对命名实体消岐和倾向性信息抽取中存在的主要挑战开展了算法设 计、实验验证等工作。论文的主要贡献可总结为如下几点： (1)提出了一种基于维基百科的命名实体消歧方法，通过实体指称项识别、 候选实体库构建以及命名实体匹配等过程有效地实现了命名实体消岐。我们在 该方法中提出了一种新型的待消歧实体指称项与候选实体之间的相似度计算方 法，并利用维基百科的页面来挖掘实体之间、实体指称项与候选实体问的语义 关联，最后在WISE Challenge 2013数据集上验证了该方法的有效性。 (2)提出了一种基于句法依存关系和SVM的情感评价单元识别算法。情 感评价单元在一个情感句中表现为情感倾向词和它修饰的评价对象的搭配，其 直接决定情感旬的情感倾向性。论文提出的算法首先通过简单模式匹配抽取所 有可能的候选情感评价单元，然后通过SVM模型对候选情感单元集合进行过 滤。在分类过程中，我们提出了基于句法依存关系来自动构建大规模训练集的 方法，提高了分类模型训练的效率。在实际数据集上的实验表明该算法较以往 的算法在准确率和召回率上均有明显的改善。 关键词：信息抽取命名实体消歧倾向性分析情感评价单元 摘要 11 AbstractAbstract Abstract Abstract Recently，with the rapid development of Web applications，rich Web infor- mation resources are a