107 - 中国图书馆学报.pdf

１０７ ＤＯＩ ：１０．１３５３０／ ｊ ．ｃｎｋｉ．ｊｌｉｓ．１４０００６ 数值信息抽取研究进展综述 吴　 超　 郑彦宁　 化柏林 摘　 要　 通过对数值信息抽取文献的调研，先从文献类型、学科领域、高频关键词三个方面进行定量分析，从抽取数据 源、抽取对象、抽取方法与技术、结果评价和应用等方面对当前数值信息抽取研究进行了梳理和总结。 研究发现当前对 于数值信息抽取的研究具有五个特点：抽取数据源以新闻语料、Ｗｅｂ 网页为主，抽取对象以基数类数值信息和数量类数 值信息为主，抽取方法以基于规则的方法为主，抽取结果评价指标比较单一，但应用领域较为广泛。 图４。 表３。 参考文 献５６。 关键词　 数值信息　 数值知识元　 数值信息抽取　 命名实体识别 分类号　 Ｇ３５０ Ｎｕｍｅｒｉｃａｌ ＩｎｆｏｒｍａｔｉｏｎＥｘｔｒａｃｔｉｏｎ： ＡＲｅｖｉｅｗｏｆ Ｒｅｓｅａｒｃｈ ＷｕＣｈａｏ， ＺｈｅｎｇＹａｎｎｉｎｇ ＆Ｈｕａ Ｂｏｌｉｎ ＡＢＳＴＲＡＣＴ　 Ｔｈｉｓ ｐａｐｅｒ ｆｉｒｓｔ ｍａｋｅｓ ａ ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ ｏｎ ｔｈｅ ｄｏｃｕｍｅｎｔｓ ｏｆ ｎｕｍｅｒｉｃａｌ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ ｆｒｏｍ ｔｈｒｅｅ ａｓ⁃ ｐｅｃｔｓ ｄｏｃｕｍｅｎｔ ｔｙｐｅ ｓｕｂｊｅｃｔ ａｒｅａ ａｎｄ ｈｉｇｈ ｆｒｅｑｕｅｎｃｙ ｋｅｙｗｏｒｄｓ． Ｔｈｅｎ ｔｈｅ ｒｅｓｅａｒｃｈ ｃｏｎｔｅｘｔ ｉｓ ｓｕｍｍａｒｉｚｅｄ ｆｒｏｍ ｆｏｕｒ ａｓｐｅｃｔｓ ｄａｔａ ｓｏｕｒｃｅ ｔｙｐｅ ｏｂｊｅｃｔ ｆｏｒ ｅｘｔｒａｃｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ ｍｅｔｈｏｄ ａｎｄ ｔｅｃｈｎｉｑｕｅ ｒｅｓｕｌｔ ｅｖａｌｕａｔｉｏｎ ａｎｄ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｐｐｌｉｃａｔｉｏｎ． Ｏｕｒ ｆｉｎｄｉｎｇｓ ａｒｅ ａｓ ｆｏｌｌｏｗｓ ｎｅｗｓ ｃｏｒｐｕｓ ａｎｄ ｗｅｂ ｐａｇｅｓ ａｒｅ ｔｈｅ ｍａｉｎ ｄａｔａ ｓｏｕｒｃｅｓ ｃａｒｄｉｎａｌ ｎｕｍｂｅｒｓ ａｎｄ ｑｕａｎｔｉｔａｔｉｖｅ ｐｈｒａｓｅｓ ａｒｅ ｔｈｅ ｍａｉｎ ｏｂｊｅｃｔｓ ｆｏｒ ｅｘｔｒａｃｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ ｍｅｔｈｏｄ ａｎｄ ｔｅｃｈｎｉｑｕｅ ａｒｅ ｍａｉｎｌｙ ｒｕｌｅ⁃ｂａｓｅｄ ａｎｄ ｔｈｅ ｒｅｓｕｌｔ ｅｖａｌｕａｔｉｏｎ ｉｎｄｉｃａｔｏｒｓ ａｒｅ ｒｅｌａ⁃ ｔｉｖｅｌｙ ｓｉｍｐｌｅ ｂｕｔ ｈａｖｅ ａ ｗｉｄｅ ｓｃｏｐｅ ｆｏｒ ａｐｐｌｉｃａｔｉｏｎ． ４ ｆｉｇｓ． ３ ｔａｂｓ． ５６ ｒｅｆｓ． ＫＥＹＷＯＲＤＳ　 Ｎｕｍｅｒｉｃａｌ ｉｎｆｏｒｍａｔｉｏｎ． 　 Ｎｕｍｅｒｉｃ ｋｎｏｗｌｅｄｇｅ ｅｌｅｍｅｎｔ． 　 Ｎｕｍｅｒｉｃａｌ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ． 　 Ｎａｍｅｄ ｅｎｔｉｔｙ ｒｅｃｏｇｎｉｔｉｏｎ． 中，时间是数值信息抽取的具体研究对象。 在名量 １　 引言 短语和动量短语的识别研究中，数量短语则是具体 的研究对象。 因此，在对数值信息进行抽取前需要 信息抽取就是从给定的自然语言文本中抽取 对该领域中常见数值信息的类型进行归纳，并定义 ［１］ 预先制定的信息，并将其形成结构化的数据 。 本 要抽取的数值信息。 文的研究对象是数值信息抽取，指对给定文档集中 在中文信息处理的研究中，对于数值信息的处 ［２］ 的数值型信息进行抽取。 理是必不可少的，是基础研究方向之一