论文部分内容阅读
二十一世纪,人类迈入了"信息爆炸时代".在这个时代,信息靠多种形态信息媒体透过复杂的信息网络系统传递.Internet的盛行,把信息的交互传递推向至高点.在纷繁杂乱的信息爆炸时代,人的大脑开始遭受信息污染.有人说:这是一个"信息虽发达,知识却贫乏"的时代.因为信息和知识并不是一回事.信息是形成知识的原始素材,知识是经人脑加工形成的、理解了的、有用的信息,是信息发展的高级形式.
互联网上大量的信息都以非结构化的文本形式存在,如何用智能化的手段把网页上浩如烟海的文本转化为知识,是目前知识获取领域十分紧迫的问题.而概念以及概念间的关系是知识的基本组成部分,因此如何获得并验证概念以及概念之间的关系是当前重要的研究领域之一.本文主要研究了如何从文本中获取地理实体概念及其它们之问的位置关系知识,开展了如下几个方面的研究工作:(1)构建获取地理实体概念及其位置关系的文法模式库.由于我们要处理的是非结构化的中文文本,所以我们首先构造了一个用于获取地理实体概念及其位置关系的文法模式库,过滤语料库.主要方法是通过关键词和一些地理实体词对设计构造句型,再根据句型的获取功能的不同分类处理句型,统计句型的准确率和召回率,作为评判句型的质量的标准,最后通过分解细化句型和引入基本规则提高句型准确率.(2)从候选概念库中识别验证地理实体概念.这种方法不需要像一般的命名实体识别那样将地名、机构名、译名分开用不同的方法分别识别.首先经过通用领域概念获取,得到候选概念结合,利用地理领域特有的词缀、构词组合特征以及词频统计、概念在原字符串中的标志位和在原句中的位置信息等方法验证候选概念集合,从中挑出地理实体概念.(3)获取位置关系知识.在候选例句和地理实体概念库的基础上,我们从例句文件中抽取出了候选的位置关系知识,用一阶谓词逻辑表示,同时基于图论构造位置关系图-G图,利用图的性质和地理领域特定规则对候选的位置关系知识进行分析验证.作为统一概念图管理下概念空间的一个重要组成部分,地理实体概念及其位置关系本身不仅是知识库的一个重要部分,还可为知识库中其它领域的知识提供支持.
实验证明,从待获取的目标词及关系标志词的特征入手,获取目标概念和关系的方法得到的结果具有较好的精确度.这种方法具有一定的通用性,还可以用于其它类型概念及关系的获取.