基于上位词的中文实体关系图谱构建-计算机技术专业论文.docxVIP

万方数据 万方数据 Classified Index: TP391.2 U.D.C: 681.37 Dissertation for the Master Degree in Engineering BUILDING A CHINESE ENTITY RELATION GRAPH BASED ON HYPERNYM Candidate： Supervisor： Academic Degree Applied for： Cai Hongbo Prof.Qin Bing Master of Engineering Speciality： Computer Technology Affiliation： Date of Defence： School of Computer Science Technology June, 2014 and Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工程硕士学位论文 哈尔滨工业大学工程硕士学位论文 摘 要 随着互联网与大数据的飞速发展，如何在大规模数据中提取挖掘出有价 值的信息，并将这些信息整理构建成体系已经成为目前国内外的一个重要研究 课题。对于文本信息而言，建立起实体之间的关系，并进一步构建出一个庞大 丰富的分类体系对解决很多搜索问题以及自然语言处理问题具有深远意义。 实体是自然语言处理的基本单元，实体关系是自然语言处理的基础性课 题，是很多其他自然语言处理任务的基础，同时也是很多信息检索问题的基 础。构建一个准确而全面的实体关系图谱具有巨大的学术意义和应用价值。 本文着眼于构建一个性能优异且规模庞大的中文实体关系图谱，其中实 体间的关系主要为上下位关系。本文的研究内容主要包括三方面：基于推荐算 法的实体上位关系补充，基于挖掘频繁项集关联性的上位关系层次化及基于词 结构信息的上位关系层次化。 本文使用挖掘频繁项集关联性与分析词结构信息相结合的方法来自动挖 掘上位词之间的上位关系，达到了较好的层次化效果，而且创新性的使用了推 荐算法来对实体的上位词进行补充。层次化效果具有很高的准确率，使得大量 的实体达到了自动分类的效果。对于每种方法，本文都进行了严密的推理和假 设，就具体问题进行深入分析并提供合适有效的解决方案。在挖掘频繁项集关 联性的过程中，本文使用了 Apriori 算法，并针对实际问题对其进行了改进。 在分析词结构信息的过程中，我们对中文独有的核心词特性，设计了对应的算 法方案。 实 验 结 果 表 明 ， 本 文 的 中 文 实 体 关 系 库 在 性 能 上 达 到 了 可 以 应 用 的 程 度，而且随着用户使用该系统次数的增加，上位关系的规模和质量也会进一步 提高。实验中也采用了高效的辅助算法与数据结构进行优化，使得整个系统的 效率进一步提高。 关键词 实体关系图谱；上位词；上位词层次化；推荐算法 -I - Abstract With the rapid development of the Internet and big data, how to extract valuable information to dig out large-scale data, and collate this information to construct the system has become an important research topic at home and abroad. For text messages, the established relationships between entities, and further build a huge wealth of the classification system has far-reaching significance for solving search problems, and many natural language processing problems. Entity is the basic unit of natural language processing, entity-relationship is the foundation of natural language processing issues, is the basis of many other natural language processing tasks, but also the basis of many information retrieval problems. Build an accurate