基于維基百科的人物關系抽取研究.pdf

1、在信息抽取研究工作中，人物關系抽取是一個重要的研究課題。針對人物關系抽取的研究工作興起于MUC會議的評測項目，后來由ACE會議取代。目前，大部分的中文人物關系研究工作所用語料，大都是來自ACE會議的結構化評測語料或者人民日報等較為規(guī)范的新聞語料。但在現實應用中，特別是在互聯網時代，人們越來越習慣從互聯網中檢索想要了解的人物、事件等信息，維基百科就是其中一個常用的搜索引擎。維基百科是一個開放的知識庫，它包含了豐富的人物關系信息，同時，它也

2、是一個較符合網絡文本半結構化特點的知識庫。因此，基于維基百科的人物關系抽取與實際生活中的人物關系抽取更為相似。人物關系抽取的主要思想是將其轉化為人物關系分類問題。傳統的抽取方法主要分為基于知識庫、基于機器學習和基于模式匹配。在基于機器學習的方法中又主要分基于核與基于特征向量的分類方法。在人物關系抽取的過程中的兩個主要難點是人名識別和人物關系識別。
　　本研究主要內容包括：⑴為解決現有分詞工具在人名識別中存在的外文音譯人名識別率不高

3、的問題，本文采用抽取維基百科中信息盒數據的方法，構建了基于中文維基百科的人物庫;同時利用維基百科中的Link數據構建了基于中文維基百科的外文音譯人名詞典。⑵提出采取模式匹配與特征向量方法融合的層次分類方法進行人物關系分類，利用DAG-SVMs多值分類方法解決人物關系分類中的多值分類問題，以提高分類模型執(zhí)行速度與性能，同時在人物關系的劃分中引入本人關系，以減輕維基百科中存在的“同人不同名”的現象;并通過實驗驗證了此方法的可行性。⑶利用提出