1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展以及用戶規(guī)模的爆炸式增長(zhǎng)，網(wǎng)絡(luò)上涌現(xiàn)了大量的文本數(shù)據(jù)。從海量的自然文本數(shù)據(jù)中自動(dòng)、快速、有效地提取出有用的知識(shí)已成為人們的迫切需求。計(jì)算機(jī)應(yīng)用程序和系統(tǒng)也依賴特定的“知識(shí)”來(lái)完成特定的功能，例如互聯(lián)網(wǎng)搜索、自動(dòng)導(dǎo)航、自動(dòng)問(wèn)答、機(jī)器翻譯、語(yǔ)音識(shí)別等系統(tǒng)的應(yīng)用都離不開(kāi)知識(shí)庫(kù)的支持。實(shí)體關(guān)系抽取是構(gòu)建知識(shí)庫(kù)的關(guān)鍵技術(shù)之一，其目的在于從自然語(yǔ)言文本中提取出命名實(shí)體之間所存在的語(yǔ)義關(guān)系。實(shí)體關(guān)系抽取已經(jīng)成為數(shù)據(jù)挖掘、機(jī)器學(xué)

2、習(xí)、人工智能以及自然語(yǔ)言處理等領(lǐng)域的研究熱點(diǎn);同時(shí)具有重大的應(yīng)用價(jià)值和廣闊的應(yīng)用前景，也已成為工業(yè)界關(guān)注的焦點(diǎn)。
　　已有實(shí)體關(guān)系抽取的研究主要集中于英語(yǔ)語(yǔ)料庫(kù)，而對(duì)中文實(shí)體關(guān)系抽取的研究較少，雖然取得了一些可喜的成果，但其準(zhǔn)確率和召回率都還有待進(jìn)一步提高。因此，本文主要關(guān)注于中文實(shí)體關(guān)系抽取研究。
　　一方面，網(wǎng)絡(luò)中文文本中存在大量句式結(jié)構(gòu)復(fù)雜的長(zhǎng)句，句中經(jīng)常包含多個(gè)實(shí)體信息，由此構(gòu)成的實(shí)體對(duì)數(shù)量也較多;實(shí)體類型的數(shù)量分布

3、不均勻。這些文本數(shù)據(jù)特點(diǎn)給中文顯式關(guān)系抽取任務(wù)帶來(lái)了巨大的挑戰(zhàn)。已有基于特征的關(guān)系抽取方法對(duì)于中文復(fù)雜長(zhǎng)句，不能有效地提取到真正表示實(shí)體關(guān)系類型的特征，從而降低了顯式關(guān)系抽取性能。以旅游領(lǐng)域?yàn)槔?，中文顯式關(guān)系抽取研究中存在的不足具體表現(xiàn)在:
　　(1)已有基于特征的方法經(jīng)常將依存句法關(guān)系特征用于顯式關(guān)系抽取，通常只是單獨(dú)無(wú)序地使用兩個(gè)實(shí)體的依存句法關(guān)系特征，無(wú)法真正表示出該實(shí)體對(duì)在句中對(duì)應(yīng)的句法結(jié)構(gòu)，導(dǎo)致該特征在關(guān)系抽取中的作用不

4、明顯，從而影響顯式關(guān)系抽取性能。
　　(2)在顯式關(guān)系抽取中，經(jīng)典的動(dòng)詞特征研究一般都選擇距離位置較后實(shí)體最近的動(dòng)詞作為依賴動(dòng)詞特征。由于跨長(zhǎng)距離的實(shí)體對(duì)所在句子中通常會(huì)包含多個(gè)動(dòng)詞，而經(jīng)典的動(dòng)詞特征研究并非都能有效提取到真正表征該實(shí)體對(duì)關(guān)系類型的動(dòng)詞，因此會(huì)影響實(shí)體關(guān)系類型的判別，導(dǎo)致顯式關(guān)系抽取的準(zhǔn)確率下降。此外，經(jīng)典的動(dòng)詞特征研究并非都能有效地幫助實(shí)體之間有無(wú)關(guān)系的探測(cè)以及關(guān)系類型的區(qū)分，有時(shí)甚至?xí)?lái)大量噪音，特別是在關(guān)系

5、探測(cè)上該問(wèn)題尤為突出。
　　另一方面，中文文本中蘊(yùn)含著大量種類繁多的隱式關(guān)系。與顯式關(guān)系相比，隱式關(guān)系由于缺少支持具體關(guān)系類型的直接證據(jù)，通常需要借助句子內(nèi)容層面的語(yǔ)義關(guān)聯(lián)性，結(jié)合相關(guān)語(yǔ)言學(xué)信息、具體的上下文語(yǔ)義信息以及相關(guān)領(lǐng)域知識(shí)進(jìn)行間接推理。然而，語(yǔ)義關(guān)系的歧義性、句子結(jié)構(gòu)的復(fù)雜性、上下文信息的不確定性及數(shù)據(jù)不平衡等問(wèn)題，使得隱式關(guān)系抽取任務(wù)更復(fù)雜、推理難度也更大，而且還無(wú)法采用通用的模型來(lái)實(shí)現(xiàn)。中文隱式關(guān)系抽取研究的難點(diǎn)表現(xiàn)

6、在:
　　(1)由于中文和英文的語(yǔ)言特點(diǎn)存在巨大的差異性，針對(duì)英語(yǔ)的隱式關(guān)系抽取方法不能直接應(yīng)用于中文隱式關(guān)系抽取上。因此，中文隱式關(guān)系抽取的研究是關(guān)系抽取的重點(diǎn)和難點(diǎn)。
　　(2)中文句型復(fù)雜多樣，不同的句型結(jié)構(gòu)中隱含著許多不同類型的實(shí)體關(guān)系，導(dǎo)致借助額外知識(shí)進(jìn)行隱式關(guān)系抽取的方法也有所不同，無(wú)法采用通用的方法來(lái)實(shí)現(xiàn)。因此，需要對(duì)句子結(jié)構(gòu)和上下文進(jìn)行深入分析和理解，從而構(gòu)建更多更精細(xì)的隱式關(guān)系抽取模型。
　　針對(duì)上述

7、問(wèn)題，本文主要關(guān)注于中文顯式關(guān)系和隱式關(guān)系抽取，研究的主要內(nèi)容包括:
　　(1)基于句法語(yǔ)義特征的中文顯式關(guān)系抽取
　　本文從句法和語(yǔ)義角度獲取三個(gè)有效表達(dá)實(shí)體關(guān)系類型的特征，提出了基于句法語(yǔ)義特征的中文顯式關(guān)系抽取方法，有助于提升顯式關(guān)系抽取的性能。具體特征包括:
　?、僖来婢浞P(guān)系組合特征。按照兩個(gè)實(shí)體出現(xiàn)的先后順序，將兩個(gè)實(shí)體各自的依存句法關(guān)系進(jìn)行有序組合，得到依存句法關(guān)系組合特征。該特征具有一定的區(qū)分度，可以較

8、好地反映出相應(yīng)實(shí)體之間的關(guān)系類型特征。
　?、谧罱浞ㄒ蕾噭?dòng)詞特征。結(jié)合句型結(jié)構(gòu)特點(diǎn)，從語(yǔ)義角度提出了最近句法依賴動(dòng)詞特征，其目標(biāo)是通過(guò)依存句法分析和詞性來(lái)提取一個(gè)句子中兩個(gè)實(shí)體的最近句法依賴動(dòng)詞特征。由于存在直接語(yǔ)義關(guān)聯(lián)和間接語(yǔ)義關(guān)聯(lián)的兩個(gè)實(shí)體之間的依存路徑有所不同，通過(guò)對(duì)依存路徑進(jìn)行分析提出了最近句法依賴動(dòng)詞特征獲取算法。
　?、圳呄蚝诵膭?dòng)詞特征。對(duì)于包含“到、來(lái)、去”等趨向動(dòng)詞的句子，最近句法依賴動(dòng)詞特征也不能有效表征

9、實(shí)體之間真正的關(guān)系類型，影響了顯式關(guān)系抽取性能。在最近句法依賴動(dòng)詞特征基礎(chǔ)上，進(jìn)一步提出了趨向核心動(dòng)詞特征。
　　(2)基于協(xié)陪義動(dòng)詞的中文隱式關(guān)系抽取
　　由于旅游和新聞?lì)I(lǐng)域文本包含許多由協(xié)陪義動(dòng)詞引發(fā)的隱式關(guān)系，本文試圖以協(xié)陪義動(dòng)詞為核心，根據(jù)句子結(jié)構(gòu)和上下文的理解構(gòu)建基于協(xié)陪義動(dòng)詞的隱式關(guān)系抽取推理規(guī)則，將顯式關(guān)系抽取和隱式關(guān)系抽取相結(jié)合，利用顯式關(guān)系對(duì)隱式關(guān)系進(jìn)行推理，充分發(fā)揮各自的優(yōu)勢(shì)，致力解決旅游和新聞?lì)I(lǐng)域中基于

10、協(xié)陪義動(dòng)詞的中文隱式關(guān)系抽取問(wèn)題。具體研究?jī)?nèi)容有:
　?、賲f(xié)陪義候選句的篩選。采用多種方法構(gòu)建協(xié)陪義動(dòng)詞詞表，利用協(xié)陪義動(dòng)詞詞表對(duì)數(shù)據(jù)集中包含協(xié)陪義動(dòng)詞的句子進(jìn)行篩選。
　?、趨f(xié)陪義候選句型判斷。根據(jù)協(xié)陪義動(dòng)詞在句中充當(dāng)?shù)牟煌煞郑靡来婢浞ǚ治?，?duì)協(xié)陪義候選句型進(jìn)行判斷，并進(jìn)行句型分類。
　?、蹍f(xié)陪義成分識(shí)別。由于協(xié)陪義動(dòng)詞在不同句型中充當(dāng)?shù)某煞植煌?，?dǎo)致對(duì)參與協(xié)陪義動(dòng)作的實(shí)體進(jìn)行成分識(shí)別的方法也有所不同。進(jìn)一步利

11、用依存句法分析，針對(duì)五種協(xié)陪義句型分別設(shè)計(jì)了不同的協(xié)陪義成分識(shí)別算法。
　　④隱式關(guān)系推理規(guī)則的構(gòu)建。根據(jù)利用的額外知識(shí)與協(xié)陪義動(dòng)詞是否處于同一句子中，提出了兩類隱式關(guān)系推理方法—句內(nèi)基于協(xié)陪義動(dòng)詞的隱式關(guān)系推理方法和句間基于協(xié)陪義動(dòng)詞的隱式關(guān)系推理方法。根據(jù)協(xié)陪義成分和協(xié)陪義動(dòng)詞作用范圍的特點(diǎn)，設(shè)計(jì)了三種句內(nèi)基于協(xié)陪義動(dòng)詞的隱式關(guān)系推理規(guī)則。利用協(xié)陪義句中零形回指的先行詞，建立不同句子中協(xié)陪義動(dòng)詞的主體成分與客體成分之間的聯(lián)系，

12、實(shí)現(xiàn)句間基于協(xié)陪義動(dòng)詞的隱式關(guān)系抽取。借助顯式關(guān)系對(duì)隱式關(guān)系進(jìn)行推理，將規(guī)則與機(jī)器學(xué)習(xí)的方法相結(jié)合，有效解決了基于協(xié)陪義動(dòng)詞的中文隱式關(guān)系抽取問(wèn)題，從而更準(zhǔn)確地發(fā)現(xiàn)更多的實(shí)體關(guān)系，提升了中文關(guān)系抽取的整體性能。
　　本文的主要?jiǎng)?chuàng)新性工作體現(xiàn)在:
　　(1)從語(yǔ)義角度提出最近句法依賴動(dòng)詞特征和趨向核心動(dòng)詞特征。最近句法依賴動(dòng)詞特征能較好地表征實(shí)體關(guān)系類型，有利于具體關(guān)系類型的識(shí)別，而且較好地解決數(shù)據(jù)分布不均衡帶來(lái)的問(wèn)題，能夠顯

13、著提升中文顯式關(guān)系抽取性能。趨向核心動(dòng)詞特征進(jìn)一步提高了動(dòng)詞特征對(duì)中文顯式關(guān)系抽取性能的影響。
　　(2)提出句內(nèi)基于協(xié)陪義動(dòng)詞的隱式關(guān)系推理規(guī)則。設(shè)計(jì)了協(xié)陪義候選句型分類算法以及相應(yīng)的協(xié)陪義成分識(shí)別算法;構(gòu)建了三種句內(nèi)基于協(xié)陪義動(dòng)詞的隱式關(guān)系推理規(guī)則，有效解決句內(nèi)基于協(xié)陪義動(dòng)詞的中文隱式關(guān)系抽取問(wèn)題。
　　(3)提出句間基于協(xié)陪義動(dòng)詞的隱式關(guān)系推理規(guī)則。從零形回指的角度，提出了句間基于協(xié)陪義動(dòng)詞的隱式關(guān)系推理規(guī)則，有效解決