基于认知的非结构化信息抽取关键技术与算法研究

论文摘要

近年来，随着计算机技术的迅猛发展，信息抽取技术已经成为自然语言处理领域的热点研究问题之一，并且机器学习、文本挖掘和图算法等多个方面的技术也在信息抽取中得到了应用，然而信息抽取算法的性能仍然不能达到用户满意的标准，还有许多问题有待进一步研究。本文在分析现有文本表示模型不足的基础上，运用图模型、条件随机场模型、机器学习的相关理论来实现信息抽取算法的设计。为了提高信息抽取的性能，分别提出了基于规则的命名实体识别算法、改进的基于规则的人名识别与抽取算法、基于规则与条件随机场相结合的命名实体识别算法、基于规则的组织机构名称简称生成与识别算法、基于文本分类的人物关系识别与抽取算法。并且通过实验验证了所提出算法的有效性和高效性，为信息抽取技术的进一步发展提供了更为广阔的空间。

论文目录

• 摘要
• Abstract
• 详细摘要
• Detailed Abstract
• 1 引言
• 1.1 论文背景与研究目的
• 1.2 论文的研究目的与意义
• 1.3 本文的主要研究内容和创新点
• 1.4 本文的组织结构
• 1.5 本章小结
• 2 文献综述
• 2.1 面向自然语言处理的智能系统
• 2.2 自然语言处理概述
• 2.3 信息抽取的发展与研究现状
• 2.3.1 国内外研究进展
• 2.3.2 信息抽取涉及到的主要内容
• 2.3.3 信息抽取系统设计的两大方法
• 2.3.4 信息抽取涉及的主要技术
• 2.4 语言学相关理论
• 2.4.1 认知语言学
• 2.4.2 语义学
• 2.4.3 语用学
• 2.5 本章小结
• 3 基于认知的信息抽取文本表示模型研究
• 3.1 信息抽取的认知基础
• 3.1.1 信息抽取的认知心理学基础
• 3.1.2 信息抽取的认知物理学基础
• 3.1.3 信息抽取的认知生物学基础
• 3.1.4 信息抽取系统的认知复杂性
• 3.2 常用文本表示模型
• 3.2.1 布尔模型
• 3.2.2 概率模型
• 3.2.3 向量空间模型
• 3.2.4 n-Gram 表示模型
• 3.3 基于图的文本表示方法
• 3.3.1 图模型与语义空间的研究
• 3.3.2 基于图的文档模型的定义与生成
• 3.3.3 基于图模型的文档相似性度量及其性质
• 3.3.4 试验结果与分析
• 3.3.5 基于图的文本表示模型应用前景分析
• 3.4 本章小结
• 4 图模型下命名实体识别与抽取算法研究
• 4.1 命名实体识别与抽取在国内外的研究现状
• 4.2 命名实体识别研究的内容和方法
• 4.2.1 命名实体识别研究的内容
• 4.2.2 基于规则的命名实体识别方法
• 4.2.3 基于统计的命名实体识别方法
• 4.2.4 统计与规则相结合的命名实体识别方法
• 4.2.5 中文命名实体识别研究的难点
• 4.2.6 中文命名实体识别评价指标
• 4.3 基于规则的命名实体识别算法
• 4.3.1 基于规则的命名实体识别算法
• 4.3.2 实验结果
• 4.4 基于候选人名集合的人名识别与抽取算法研究
• 4.4.1 候选人名生成算法
• 4.4.2 基于候选人名集合的人名识别与抽取算法
• 4.4.3 实验结果
• 4.5 人名识别中的知识库与规则库
• 4.5.1 中文汉语姓氏库
• 4.5.2 称谓知识库
• 4.5.3 行为知识库
• 4.5.4 常用于人名的字词知识库
• 4.5.5 不用于人名的字词知识库
• 4.5.6 以姓开头不用于人名的词
• 4.5.7 用于人名的叠音词
• 4.5.8 部分经济类人名
• 4.5.9 人名识别与抽取规则库
• 4.6 图模型下基于规则与条件随机场相结合的命名实体识别算法研究
• 4.6.1 条件随机场模型
• 4.6.2 基于条件随机场的命名实体识别算法
• 4.6.3 算法实验与分析
• 4.7 本章小结
• 5 中文组织机构名称及简称识别与抽取算法研究
• 5.1 中文组织机构名称识别概述
• 5.1.1 中文组织机构名称识别现状
• 5.1.2 中文组织机构名称识别难点
• 5.2 基于条件随机场的中文组织机构名称识别与抽取算法
• 5.2.1 条件随机场模型在组织机构名称识别与抽取中的应用
• 5.2.2 训练模板与标注集
• 5.2.3 训练文件
• 5.2.4 测试结果
• 5.3 中文组织机构名称简称生成与识别算法
• 5.3.1 中文组织机构名称简称
• 5.3.2 中文组织机构名称简称组成特征
• 5.3.3 中文组织机构名称简称生成算法
• 5.3.4 中文组织机构名称简称识别算法
• 5.3.5 中文组织机构名称简称与全称匹配算法
• 5.3.6 算法实验与分析
• 5.4 本章小结
• 6 图模型下基于分类的人物关系识别与抽取算法研究
• 6.1 文本分类
• 6.1.1 文本分类的定义
• 6.1.2 常用特征抽取方法
• 6.1.3 文本分类常用的算法
• 6.2 基于图的文本分类算法研究
• 6.3 基于分类的人物关系识别与抽取算法研究
• 6.4 实验结果与分析
• 6.5 本章小结
• 7 总结及展望
• 7.1 工作总结
• 7.2 创新点
• 7.3 展望
• 参考文献
• 致谢
• 作者简介
• 在学期间发表的学术论文
• 在学期间参加的科研项目