基于句法语义特征的中文实体关系抽取  

Chinese Named Entity Relation Extraction Based on Syntactic and Semantic Features

作　　者：郭喜跃[1,2] 何婷婷[3] 胡小华[3] 陈前军[1,4] 

机构地区：[1]华中师范大学国家数字化学习工程技术研究中心,湖北武汉430079 [2]兴义民族师范学院信息技术学院,贵州兴义562400 [3]华中师范大学计算机学院,湖北武汉430079 [4]湖北大学信息与网络中心,湖北武汉430062

出　　处：《中文信息学报》2014年第6期183-189,共7页Journal of Chinese Information Processing

基　　金：国家社会科学基金重大项目(12&2D223);国家"十二五"科技支撑计划课题(2012BAK24B01);国家自然科学基金(61300144);国家语委"十二五"重点项目(ZDI125-1);教育部/国家外国专家局高等学校学科创新引智计划项目(B07042);湖北省自然科学基金重点项目(2011CDA034);华中师范大学中央高校基本科研业务费项目(CCNU13A05014;No.CCNU13C01001;CCNU13F010)

摘　　要：实体关系抽取的核心问题是实体关系特征的选择。以往的研究通常都以词法特征、实体原始特征等来刻画实体关系,其抽取效果已难再提高。在传统方法的基础上,该文提出一种基于句法特征、语义特征的实体关系抽取方法,融入了依存句法关系、核心谓词、语义角色标注等特征,选择SVM作为机器学习的实现途径,以真实新闻文本作为语料进行实验。实验结果表明该方法的F1值有明显提升。Identifying the relation features between named entities is the key aspect in named entity relation extrac- tion. Traditional methods usually chose the lexical features and other surface features, which are well addressed al- ready. This paper proposes a novel Chinese named entity relation extraction method, adding such syntactic and se- mantic features as dependency parsing, core predicate verb and semantic role labeling etc. Experimented by SVM o- ver a true news text corpus, the results indicate that this method could improve the F1 value significantly.

关 键 词：句法特征 语义特征 实体关系抽取 SVM 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]