多特征知识下的食品安全事件实体抽取研究  

Extracting Events of Food Safety Emergencies with Characteristics Knowledge

作　　者：王东波[1,2] 吴毅[1] 叶文豪[1] 刘睿伦 Wang Dongbo Wu Yi Ye Wenhao Liu Ruilun(College of Information and Technology, Nanjing Agricultural University, Nanjing 210095, China Research Center for Correlation of Domain Knowledge, Nanjing Agricultural University, Nanjing 210095, China)

机构地区：[1]南京农业大学信息科学技术学院,南京210095 [2]南京农业大学领域知识关联研究中心,南京210095

出　　处：《数据分析与知识发现》2017年第3期54-61,共8页Data Analysis and Knowledge Discovery

基　　金：2011湖北省协同创新中心项目"面向应急推演平台的海量突发事件知识库与模型库构建研究"(编号:JD20150101);国家自然科学基金项目"基于CSSCI的句法级汉英平行语料库构建及知识挖掘研究"(项目编号:71303120);地震科技星火计划项目"面向地震应急的空间智能决策方法研究"(项目编号:HX15019)的研究成果之一

摘　　要：【目的】从大规模食品安全事件当中抽取食品安全事件实体。【方法】基于已发生的食品安全事件,结合情报学数据获取、标注和组织的方法,融合食品安全事件实体的多种分布特征知识,通过条件随机场模型,构建食品安全事件语料并从中抽取相应的实体。【局限】在食品安全事件实体抽取过程中所制定的特征模板在领域化迁移上具有一定的局限性。【结果】在已有1 500万字经过标注的食品安全事件语料的规模上,通过统计食品安全事件实体的内部和外部特征,基于条件随机场机器学习模型,构建了食品安全实体的抽取模型,该模型最高的F值达到91.94%。【结论】通过对食品安全事件实体抽取结果的分析,在食品这一领域化的语料上,基于条件随机场进行实体抽取是可行的。[Objective] This paper aims to extract the events of food safety emergencies from large food safety emergencies. [Methods] First, we built the food safety emergency corpus based on the past events, as well as the data acquisition, labeling, and organization methods of information science. Then, we extracted the corresponding events with the help of conditional random field model, and the distribution characteristics knowledge of the food safety emergencies. [Limitations] We might not be able to apply the feature template created by this research to other fields. [Results] We examined the proposed model with a food safety emergency corpus of 15 million Chinese words, and the F value of this model reached 91.94%. [Conclusions] It is feasible for us to extract the events from food safety emergency corpus with the help of conditional random field model.

关 键 词：特征知识 条件随机场模型 实体 食品安全事件 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]