中文维基百科的结构化信息抽取及词语相关度计算方法  

Extracting Structured Information from Chinese Wikipedia and Measuring Relatedness between Words

作　　者：涂新辉[1,2] 张红春[1,2] 周琨峰[1,2] 何婷婷[1,2] 

机构地区：[1]华中师范大学计算机科学系,湖北武汉430079 [2]国家语言资源监测与研究中心网络媒体语言分中心,湖北武汉430079

出　　处：《中文信息学报》2012年第3期109-115,共7页Journal of Chinese Information Processing

基　　金：国家自然科学基金重大研究计划课题(90920005);国家自然科学基金资助项目(61003192);教育部/国家外国专家局高等学校学科创新引智计划课题(B07042);湖北省自然科学基金计划项目(2011CDA034;2009CDB145);武汉市晨光计划项目(201050231067);华中师范大学中央高校基本科研业务费项目(CCNU10A02009;CCNU10C01005)

摘　　要：维基百科作为一个以开放和用户协作编辑为特点的Web 2.0知识库系统,具有知识面覆盖度广,结构化程度高,信息更新速度快等优点。然而,维基百科的官方仅提供一些半结构化的数据文件,很多有用的结构化信息和数据,并不能直接地获取和利用。因此,该文首先从这些数据文件中抽取整理出多种结构化信息;然后,对维基百科中的各种信息建立了对象模型,并提供了一套开放的应用程序接口,大大降低了利用维基百科信息的难度;最后,利用维基百科中获取的信息,该文提出了一种基于链接所对应主题页面所属类别的词语语义相关度计算方法。The Wikipedia is the biggest web-based encyclopedia,which is written collaboratively by volunteers around the world.It has many advantages,such as wide knowledge coverage,highly structured and rapid information update.However,the Wikipedia official website just provides some original data files,and much structured semantic knowledge can＇t be used directly.Therefore,in this paper,we firstly extract the structured information from these data files;then,we design the object model for the information in Wikipedia,and provide an open API for Wikipedia information;finally,we propose a novel method to compute relatedness between words.

关 键 词：语义相关度 中文维基百科 结构化信息 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]