基于非結構化數(shù)據(jù)的多類型網(wǎng)絡構建研究.pdf

1、企業(yè)信息化與互聯(lián)網(wǎng)的發(fā)展促使非結構化與半結構化數(shù)據(jù)不斷增加。針對海量非結構化與半結構化數(shù)據(jù)進行挖掘分析成為近年來研究的熱點。復雜網(wǎng)絡與中文信息處理的最新研究成果為非結構化和半結構化數(shù)據(jù)挖掘提供了一個新方法和視角。即將中文信息處理技術與網(wǎng)絡構建技術相結合，采用中文信息處理技術抽取非結構化數(shù)據(jù)中包含的信息，并構建網(wǎng)絡進行分析，進一步挖掘其潛在信息。
　　 分析復雜網(wǎng)絡在不同領域的應用，其主要包括兩個階段：網(wǎng)絡構建與網(wǎng)絡分析。網(wǎng)絡構建

2、是指從實際應用數(shù)據(jù)中，建立個體之間相互聯(lián)系，構建關系網(wǎng)絡。這是復雜網(wǎng)絡應用的基礎與關鍵。因此本文將以非結構化數(shù)據(jù)為對象，研究利用中文信息抽取技術構建多類型網(wǎng)絡。
　　 首先，本文對文本聚類進行研究，并將其應用到數(shù)據(jù)集劃分中，將數(shù)據(jù)集劃分不同領域或主題的子數(shù)據(jù)集。通過對傳統(tǒng)文本聚類的實現(xiàn)與分析，將復雜網(wǎng)絡中的社區(qū)劃分算法應用文本聚類中，實現(xiàn)基于社區(qū)劃分算法的文本聚類，并取得一定的效果。
　　 其次，本文采用中文信息抽取技術

3、抽取非結構化數(shù)據(jù)包含的實體相關信息。由于網(wǎng)絡構建中邊的重要性，本文主要對實體關系抽取進行研究。對傳統(tǒng)的無監(jiān)督聚類實體關系抽取算法中的實體對上下文信息收集以及實體對聚類兩階段進行改進，更快、更好的抽取非結構化數(shù)據(jù)中包含的實體關系。同時針對單文檔以及稀疏文檔集，本文實現(xiàn)了基于事件框架的實體關系抽取，以抽取用戶指定的特殊實體關系。
　　 再者，通過比較復雜網(wǎng)絡在不同領域的應用，分析與總結出常用的網(wǎng)絡類型，即同質(zhì)、異質(zhì)、動態(tài)網(wǎng)絡。根據(jù)非