论文部分内容阅读
任何一个信息处理系统都离不开数据和知识库的支持,自然语言处理系统尤其如此。人类理解自然语言需要积累大量必要的知识,计算机系统也是如此,所以要构建自然语言处理系统就要为其建立一个高质量的知识库。通过构建领域信息系统提供信息保障和智能化的决策支持,获取信息优势从而形成决策优势最终转化为领域优势。所以对于现代领域智能信息处理系统,构建领域知识库意义重大。因此,需要获取专业领域知识,构建特定领域的知识库,为自然语言处理系统“理解”特定领域的问题并顺利完成任务提供知识保障。现有的知识库多是通用领域知识库,对于一些特定领域的自然语言处理系统需要的更多是特定领域的知识。构建知识库的关键在于知识获取,知识获取方法多样主要在于知识源的选择。对于网络知识源知识获取有两项基本的任务:命名实体识别和实体关系抽取。本文将从面向特定领域知识库的角度进行这两个方面的研究。本文中的具体研究内容涉及以下几个方面:(1)本文研究了一种基于多模式融合的半监督命名实体识别方法,该方法融合了原有的利用Bootstrapping方法的命名实体识别方法和利用内模式的命名实体识别方法。针对特定领域实体将两种方法融合,F值提高了14%。(2)研究了基于中文百科的领域实体属性知识库构建方法。从面向领域的知识库构建角度从维基百科中抽取相关领域知识的语料库。并利用维基百科的Inforbox构建领域知识库。利用知识库自动标注获取的领域语料库,制定标注规范并人工标注一部分语料。在人工标注语料上平均自动标注,自动标注在两个类别的F值分别达到71.45%和75.86%。(3)利用构建好的语料库,分析实体属性抽取相关特性。针对实体属性关系抽取任务,进行特征提取。训练了最大熵和支持向量机这两种模型的有监督实体属性关系抽取分类器。利用人工标注的语料进行测试,给出相应实验结果和结果分析。