本文選題：關系抽取 + 實體識別　； 參考：《北京郵電大學》2013年碩士論文

【摘要】：當今社會,隨著科技的迅速發(fā)展,數據特別是網絡數據正以指數規(guī)律飛速地增長。而作為網絡數據中非常重要的一部分,文本數據受到了相當大的重視。為了應對海量文本數據帶來的挑戰(zhàn),有效地存儲、管理以至于利用文本數據,人們迫切地需要一些能夠在海量信息源中迅速找到真正需要信息的自動化工具。信息抽取(Information Extraction)的研究正是為了解決這個問題。 信息抽取,是從結構化或者半結構化的文本自動動抽取特定信息,并以結構化的形式(例如數據庫或者XML文檔)存儲。信息抽取任務一般都會包含了兩個緊密相連的任務：命名實體識別和實體關系抽取。本文主要研究的就是基于網絡數據的實體關系抽取系統(tǒng),即如何獲取兩個命名實體之間關系的問題。主要包括： 1.根據網絡數據的特點,設計了基礎數據收集的相關方案。該方案允分利用了網絡數據的特點以及搜索引擎的功能,并結合頁面結構的整體特性,達到了以較低的成本,簡潔方便地獲取大量相關的網絡資源,并抽取中其中的正文文本 2.深入研究了當前主流的關系抽取的方法,并對各種方法的優(yōu)缺點進行分析,并在此基礎上提出了一種關系抽取的方法。該方法同時結合了語句的結構關系以及詞語特性兩方面的特征,有效地實現(xiàn)了對句子中實體關系的抽取。 3.在以上研究的基礎上,實現(xiàn)了從網絡數據收集到關系抽取的原型系統(tǒng)。該系統(tǒng)基于B/S框架,完成了本文提出的關系抽取算法,同時提供可視化的展示模塊,能夠在瀏覽器中直觀地展示關系抽取的相關結果。并利用此系統(tǒng)進行了相關的實驗,驗證了關系抽取算法的有效性。
[Abstract]:Nowadays, with the rapid development of science and technology, data, especially network data, are increasing exponentially. As a very important part of network data, text data has received considerable attention. In order to meet the challenge of mass text data and store, manage and utilize text data effectively, people urgently need some automation tools which can quickly find the real information in the mass information source. The research of information extraction is to solve this problem. Information extraction is to extract specific information automatically from structured or semi-structured text and store it in a structured form (such as a database or XML document). The task of information extraction usually includes two closely related tasks: named entity identification and entity relation extraction. This paper mainly studies the entity relation extraction system based on network data, that is, how to obtain the relationship between two named entities. These include: 1. According to the characteristics of network data, the related scheme of basic data collection is designed. This scheme makes use of the characteristics of network data and the function of search engine, and combines with the overall characteristics of page structure, achieves the goal of obtaining a large number of related network resources at a lower cost, and extracts the text of the text. 2. The main methods of relation extraction are deeply studied, and the advantages and disadvantages of these methods are analyzed. On the basis of this, a relational extraction method is proposed. This method combines the structural relation of sentence and the character of words and realizes the extraction of entity relation in sentence effectively. 3. Based on the above research, a prototype system from network data collection to relational extraction is implemented. Based on the B / S framework, the system completes the relational extraction algorithm proposed in this paper, and provides a visual display module, which can directly display the related results of the relational extraction in the browser. Experiments are carried out with this system to verify the effectiveness of the relational extraction algorithm.
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TP391.1

【參考文獻】

相關期刊論文 前10條

1 孫宏林,俞士汶;淺層句法分析方法概述[J];當代語言學;2000年02期

2 龍樹全;趙正文;唐華;;中文分詞算法概述[J];電腦知識與技術;2009年10期

3 馮元勇;孫樂;張大鯤;李文波;;基于小規(guī)模尾字特征的中文命名實體識別研究[J];電子學報;2008年09期

4 齊鵬;李隱峰;宋玉偉;;基于Python的Web數據采集技術[J];電子科技;2012年11期

5 劉克彬;李芳;劉磊;韓穎;;基于核函數中文關系自動抽取系統(tǒng)的實現(xiàn)[J];計算機研究與發(fā)展;2007年08期

6 李保利,陳玉忠,俞士汶;信息抽取研究綜述[J];計算機工程與應用;2003年10期

7 王利;劉宗田;王燕華;廖濤;;基于內容相似度的網頁正文提取[J];計算機工程;2010年06期

8 黃高輝;姚天f ;劉全升;;基于CRF算法的漢語比較句識別和關系抽取[J];計算機應用研究;2010年06期

9 孫承杰,關毅;基于統(tǒng)計的網頁正文信息抽取方法的研究[J];中文信息學報;2004年05期

10 車萬翔,劉挺,李生;實體關系自動抽取[J];中文信息學報;2005年02期

，

本文編號：1864300