基于機器學習的企業(yè)實體間關系的抽取技術研究.pdf

1、企業(yè)實體間關系的抽取是實體關系抽取的一種，是一種典型的信息抽取問題。在MUC和ACE評測的推動下，近年來國內外的實體關系抽取的研究工作取得了巨大進步，研究者提出了眾多有效的解決方法。其中基于機器學習的方法，在定義好關系類型的前提下，將關系抽取問題轉換為分類問題，顯示了非常好的性能。基于平面特征向量的方法就是全監(jiān)督學習的一種，它針對實體對在句子中的上下文中的詞語、詞性、實體類型等構建特征向量，建立向量空間模型，進而使用分類器進行關系類型識

2、別。本文使用了這一種方法。另一種全監(jiān)督學習的方法使用了核特征，它是在實體對出現(xiàn)的上下文片段中進行淺層句法分析，通過構造核函數(shù)計算兩個結構對象（如語法樹結構）的的相似性，也取得非常不錯的效果。
　　我們首先針對企業(yè)關系的特點，定義出了六種典型的關系類型，并為每一種關系定義相應的關鍵詞列表，然后從web上爬取得到一個較大規(guī)模的數(shù)據(jù)集。數(shù)據(jù)集經(jīng)過預處理之后，人工標注出一個小規(guī)模的實例集合，并隨機生成一個測試集。本文首先將我們的標注集合作

3、為訓練數(shù)據(jù)，使用了平面特征向量的全監(jiān)督學習的方法構建了一個企業(yè)實體關系抽取系統(tǒng)。系統(tǒng)使用的平面特征包括實體前后的一定窗口大小內的四種詞，使用了SVM和kNN兩種分類器。
　　現(xiàn)存的多數(shù)方法是基于大規(guī)模標注語料，進行全監(jiān)督學習從而獲得抽取結果。然而在現(xiàn)實中大多數(shù)情況下，我們缺乏標注語料，同時又易獲得大量的未標注語料。為此本文構建了一種基于模板的半監(jiān)督學習的企業(yè)實體關系抽取系統(tǒng)。這個系統(tǒng)將標注數(shù)據(jù)作為種子，運用了一套有效的模板學習和評