開放領(lǐng)域下復雜文本的關(guān)系抽取.pdf

1、關(guān)系抽取是用于從平面文本中抽取實體之間關(guān)系的一種技術(shù)。其常常被用于生成RDF三元組形式的語義數(shù)據(jù)。
　　本文主要關(guān)注中文的關(guān)系抽取。中文的詞和短語常常會在語義或者語法上有較大的歧義,因此中文自然語言處理工具常常不足以用于處理較長或者結(jié)構(gòu)較為復雜的句子。不幸的是在真實的語言環(huán)境下,這種情況非常普遍。
　　為了突破自然語言處理工具難以很好的處理復雜文本導致的瓶頸,本文提出了句子卷曲來增強關(guān)系抽取系統(tǒng)的輸入,同時提供了一種基于統(tǒng)計

2、的方法對候選的關(guān)系進行排序從而決定所要生成的關(guān)系。另一方面,本文也探討了使用關(guān)系型數(shù)據(jù)庫來幫助決定關(guān)系的主語、賓語成分是否可靠。同時本文也提出了詞權(quán)重,來衡量詞對關(guān)系抽取的貢獻,并結(jié)合了關(guān)鍵句抽取方法來減少抽取的時間開銷,并增加抽取關(guān)系與主題的相關(guān)性。
　　本文在真實數(shù)據(jù)以及中文樹庫(CTB)、中文依賴樹庫(CDTB)上對方法的各個部分進行了實驗和驗證,證明了本文的方法能顯著增強各種不同的關(guān)系抽取系統(tǒng)的表現(xiàn),并只額外開銷了一個合理