本文關(guān)鍵詞：融合PAM主題模型的領(lǐng)域歷史沿革信息抽取方法

  更多相關(guān)文章： 信息抽取 歷史沿革 混合卷積樹核 TextRank PAM

【摘要】：歷史沿革信息是包含某一事物或者概念發(fā)展演化過程的信息,對于那些概念種類繁多、概念演變演化迅速的領(lǐng)域,如軟件工程、計算機技術(shù)等,進行歷史沿革信息的抽取并構(gòu)建歷史沿革信息知識庫,有助于領(lǐng)域知識的獲取、復(fù)用及推理,并對很多領(lǐng)域都有重要的應(yīng)用價值。同時,網(wǎng)絡(luò)維基百科所包含的豐富內(nèi)容,有很高的應(yīng)用價值,故本文以維基百科為數(shù)據(jù)來源進行歷史沿革信息的抽取。針對網(wǎng)絡(luò)百科中領(lǐng)域歷史沿革信息抽取的問題,本文提出一種卷積樹核和PAM主題模型相結(jié)合的歷史沿革信息抽取方法,該方法首先通過構(gòu)建語句的句法分析樹,在此基礎(chǔ)上計算混合卷積樹核來抽取動詞-實體關(guān)系,以維基百科搜索軟件工程領(lǐng)域相關(guān)的3728個頁面,再利用相應(yīng)的規(guī)則篩選過濾后等到4069個句子為實驗基礎(chǔ),進行混合卷積樹核的實驗,其準確率達到65.35%,實驗結(jié)果表明,該方法能達到對維基百科軟件工程領(lǐng)域歷史沿革相關(guān)概念及其關(guān)系的精細抽取,但該方法對于不規(guī)范文本的抽取效果不理想,在沒有進行大量的文本篩選及預(yù)處理之前,其抽取的準確率會大大降低；本文又基于PAM主題模型將歷史沿革信息、作為一種特殊的主題進行建模,抽取與歷史沿革主題相關(guān)的概念,在同樣3728個頁面所構(gòu)造的文檔集的基礎(chǔ)上進行實驗,對所有網(wǎng)絡(luò)文檔集進行建模并抽取歷史沿革主題相關(guān)的概念,其準確率達到64.69%,基于PAM的抽取方法無需過多依賴文本的規(guī)范程度,相比于混合卷積樹核的方法更適合于網(wǎng)絡(luò)文本的處理。在此基礎(chǔ)上,又與改進的TextRank算法和主題偏好TextRank算法相結(jié)合,進一步提高了在抽取歷史沿革相關(guān)概念上的抽取效果,從而可以大大提高歷史沿革信息抽取的準確度。
【關(guān)鍵詞】：信息抽取 歷史沿革 混合卷積樹核 TextRank PAM
【學(xué)位授予單位】：內(nèi)蒙古師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 中文摘要4-5
• ABSTRACT5-9
• 第1章 引言9-15
• 1.1 研究背景9-10
• 1.1.1 問題來源9-10
• 1.2 意義與應(yīng)用10-11
• 1.3 國內(nèi)外相關(guān)研究11-13
• 1.3.1 實體抽取11-12
• 1.3.2 實體關(guān)系抽取12-13
• 1.4 研究內(nèi)容及工作13
• 1.5 論文結(jié)構(gòu)13-15
• 第2章 歷史沿革信息抽取相關(guān)介紹15-17
• 2.1 歷史沿革信息的表達15
• 2.2 基于網(wǎng)絡(luò)百科的歷史沿革信息抽取策略15-17
• 第3章 基于混合卷積樹核與改進TextRank的歷史沿革信息抽取17-22
• 3.1 混合卷積樹核的計算17-18
• 3.2 基于混合卷積樹核的實體-動詞關(guān)系抽取18-20
• 3.3 改進TextTank算法抽取關(guān)鍵實體20-22
• 第4章 融合PAM和主題偏好TextRank的歷史沿革信息抽取22-29
• 4.1 PAM概率模型介紹22-25
• 4.2 基于PAM構(gòu)建歷史沿革主題信息25-27
• 4.2.1 歷史沿革主題特征25-26
• 4.2.2 加入歷史沿革主題特征的Gibbs采樣26-27
• 4.3 主題偏好TextRank27-29
• 第5章 實驗結(jié)果與分析29-38
• 5.1 混合卷積樹核抽取方法實驗及結(jié)果分析29-32
• 5.2 基于PAM的實驗過程及結(jié)果分析32-36
• 5.3 兩種方法的對比分析36-38
• 第6章 總結(jié)與展望38-40
• 6.1 全文總結(jié)38-39
• 6.2 工作展望39-40
• 參考文獻40-42
• 致謝42-43
• 攻讀學(xué)位期間發(fā)表的科研論文及學(xué)術(shù)成果43

，

本文編號：710291