基于句法分析的中文事件抽取方法研究.pdf

1、在目前信息爆炸的時代，迫切需要一些更加自動化、智能化的工具幫助人們在海量文本數(shù)據(jù)中迅速找到真正需要的信息。信息抽取技術應運而生，成為自然語言處理研究領域的重要方面。 事件抽取是信息抽取中的一個重要的研究方向。事件抽取能從非結構化文本中抽取出事件信息并以結構化的形式呈現(xiàn)出來，是信息抽取研究中最具挑戰(zhàn)性的任務之一。目前，國內外對該問題已經進行了一些研究或探討，還沒有一種成熟的事件抽取技術在實際中廣泛應用。 本文以微觀粒度的事

2、件作為研究對象，描述了一種對中文文本的基于句法分析的事件信息抽取方法。主要的研究內容及創(chuàng)新點如下： (1)根據(jù)漢語句法的特點，提出了一種新的基于句法分析的事件抽取方法及相關的一系列算法，首先對文本信息進行詞法分析和句法分析得到句法分析樹，然后根據(jù)歸納的規(guī)則對句法分析樹進行處理，從中自動地抽取事件的元素信息，擺脫了對大量事件模板的依賴，在保證較高的抽取準確率的同時，又增強了通用性。 (2)在進行句法分析時，針對句法分析器對

3、長句處理效率低下甚至無法進行處理的問題，提出了拆分句子的算法，即當長句子的字數(shù)超過設置的閾值時，以句子中最接近中點的標點符號為標識將長句一分為二，分別進行事件抽取，大大提高了對長句的事件抽取效率。 (3)對于句子中存在隱含主體的情況，根據(jù)句法分析樹的結構特點提出了隱含主體抽取算法，采用向上回溯的方法查找與事件最相關的名詞作為事件的主體，并對常見的兩種情況分別討論處理，以保證事件信息的完整性，提高了事件抽取的準確性。 (4

4、)采用中科院的ICTCLAS分詞工具和Stanford Parser句法分析器，根據(jù)提出的中文事件抽取方法及相關算法，設計實現(xiàn)了原型系統(tǒng)，可以對批量文本自動進行事件抽取，達到了較高的效率和準確性，驗證了該事件抽取方法的可行性。 另外，為了實驗方便有效地進行，我們對分詞工具做了添加新詞到字典庫和批量文件分詞等改進；在實驗數(shù)據(jù)的統(tǒng)計階段，由于從每個語句抽取的事件信息都需要人工判斷以進行統(tǒng)計，我們做了一個小工具以減少統(tǒng)計出錯的幾率和提