论文部分内容阅读
模糊限制语是指一些“有意把事情弄的模模糊糊的词语”。由模糊限制语引导的模糊限制信息表达不确定的、含糊的或推测的观点。生物医学文献中含何许多模糊限制信息。在生物医学信息抽取巾,为防止把模糊限制信息作为真实信息使用,模糊限制信息检测具有重要意义。模糊限制信息检测可分为模糊限制语识别和模糊限制信息范围检测两个任务。模糊限制语识别已经取得较大发展,而模糊限制信息范围检测比较复杂,性能仍有待提高。本文通过深入探索模糊限制信息范围的句法结构和语义信息,研究模糊限制信息范围检测任务,研究工作包括如下内容:研究摹于依存结构的候选边界选择算法。传统的范围检测研究是把模糊限制语及其左(右)侧的词作为范围的左(右)候选边界。这会产生大量负样例,正负样例数量不平衡,误导分类器。相邻的正负样例具有相似的结构和上下文信息,分类器难以区分。本文提出基于依存结构的候选边界选择算法,利用词之间的依存关系选择候选。实验显示,正负样例数量的比值由1:15变为1:3,性能提高2.76%F1值。这表明候选边界选择算法能够大幅度减少负样例数量,提高正负样例的区分度,提高范围检测性能。研究基于结构信息的模糊限制信息范围检测。模糊限制信息范围在结构上是与模糊限制语相关的一个短语或从句,因此范围检测对句法结构具有较强的依赖性。本文利用卷积树核函数,基于依存和短语结构,探索了模糊限制信息范围的结构化表示方法。实验显示,基于依存结构、短语结构以及依存和短语结合的检测性能分别达到64.57%,63.51%和66.67%F1值。这表明依存和短语结构对范围检测都是有效的,依存结构和短语结构具有互补关系,它们的结合能进一步提高系统性能。研究了基于语义信息的模糊限制信息范围检测。模糊限制信息范围在语义上是包含模糊限制语的一段完整连续的语义片断,因此范围检测对语义信息具有较强的依赖性。本文基于LSTM深度学习模型,探索了模糊限制信息范围的语义表示方法。此外,为了综合基于词汇、句法及语义系统的优势,融合三者的检测结果。实验显示,基于语义表示的检测性能达到65.23%F1值,三个系统融合的性能达到70.49%F1值,优于其中任意一个系统的性能。这表明模糊限制语语义信息对范围检测是有效的,三个系统融合能实现词汇、句法和语义之间的优势互补。这些研究有效地提高了范围检测性能,同样这些研究也适用于其它与结构和语义信息相关的任务,如关系抽取任务等。