句子级中文事件抽取关键技术研究

论文摘要

信息抽取任务随着互联网信息爆炸式的增长越来越凸显其重要性,而事件抽取又是信息抽取中至关重要的一个研究点。它旨在将无结构化文本中人们感兴趣的事件以及事件所涉及到的时间、地点、人物等元素准确地抽取出来并以结构化的形式存储下来,以供自动文摘、自动问答、信息检索、舆情监控、话题检测等自然语言处理上层技术的使用和用户方便的查看。事件抽取一般都需要预先指定事件类型,然后或基于机器学习方法,或基于模式匹配方法识别事件类型和事件元素。并且在以往的研究中,很少有学者在多种不同源的语料下测试方法的鲁棒性。因此,以往的事件抽取系统在领域自适应方面表现欠佳。本文在总结传统事件抽取系统的经验和不足基础上,提出了句子级中文事件抽取的几项关键技术研究思路,并在完全不同源的三种语料下测试均取得了不错的效果。1.提出了基于触发词聚类的事件类型体系自动构建方法。不仅成功地发现了ACE 2005预先定义好的33类事件类型,还在金融领域和音乐领域有着不错的表现,这说明该算法具有较强的鲁棒性和领域自适应性。2.融入外部词典资源解决ACE语料数据稀疏问题。本文提出了基于同义词词林自动扩展触发词的算法,该方法成功的融入了外部丰富的语义资源和背景知识,并在ACE 2005语料上取得很好的实验结果。3.提出模板泛化方法解决基于模式匹配的事件元素抽取召回率不高的问题。本文提出了基于BestMatch的模板泛化算法。对任意两个事件实例模板进行匹配,计算其匹配代价并泛化。经ACE 2005语料实验证明该方法一定程度上弥补了模式匹配召回率不高的问题。4.在事件元素抽取任务中,本文提出,用依存句法分析结果定位事件元素,用名词短语句法分析结果识别事件元素边界。这种方法很好的结合了两种句法分析器的优点:依存句法更加擅长于分析句法成分,给出事件元素核心词,而名词短语句法更擅长识别名词短语,给出完整的事件元素。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.1.1 课题背景
• 1.1.2 研究意义
• 1.2 研究现状及分析
• 1.2.1 事件抽取定义及相关概念
• 1.2.2 国内外相关研究与分析
• 1.2.3 事件抽取评测及语料资源
• 1.3 本文主要研究内容及章节安排
• 第2章 事件类型的自动发现
• 2.1 引言
• 2.2 方案设计
• 2.2.1 触发词抽取
• 2.2.2 触发词过滤
• 2.2.3 触发词聚类
• 2.3 实验结果与分析
• 2.3.1 实验数据与评价方法
• 2.3.2 相似度阈值选取
• 2.3.3 实验设计及结果分析
• 2.4 本章小结
• 第3章 事件类型的自动识别
• 3.1 引言
• 3.2 基于触发词自动扩展的事件类型识别
• 3.2.1 基于同义词词林的事件触发词扩展及候选事件生成
• 3.2.2 基于支持向量机的事件类型识别
• 3.2.3 实验设计及结果
• 3.2.4 实验分析及结论
• 3.3 基于规则的事件类型识别
• 3.3.1 音乐领域事件类型识别
• 3.3.2 金融领域事件类型识别
• 3.3.3 实验设计及结果
• 3.3.4 实验分析及结论
• 3.4 本章小结
• 第4章 事件元素的自动识别
• 4.1 引言
• 4.2 基于Bootstrapping方法的事件元素识别
• 4.2.1 Bootstrapping方法简介
• 4.2.2 方案设计
• 4.2.3 基于Bootstrapping方法的模式学习
• 4.2.4 模式的泛化与过滤
• 4.2.5 实验设计及结果
• 4.2.6 实验分析及结论
• 4.3 基于最大熵分类器的事件元素识别
• 4.3.1 最大熵分类器简介
• 4.3.2 特征选择
• 4.3.3 实验设计及结果
• 4.3.4 实验分析及结论
• 4.4 基于依存句法和名词短语句法结合的事件元素抽取
• 4.4.1 方案设计
• 4.4.2 基于依存句法分析器定位事件元素
• 4.4.3 基于名词短语句法分析器识别事件元素边界
• 4.4.4 实验设计及结果
• 4.4.5 实验分析及结论
• 4.5 本章小结
• 第5章 自底向上事件抽取系统的设计与实现
• 5.1 引言
• 5.2 已有事件抽取系统概述
• 5.2.1 Ralph Grishman 2005 事件抽取系统
• 5.2.2 David Ahn 2006 事件抽取系统
• 5.3 系统介绍及结构设计
• 5.4 系统性能分析
• 5.5 系统应用
• 5.5.1 演唱会预告
• 5.5.2 专辑预告
• 5.5.3 金融公司经营范围抽取
• 5.6 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢