中文实体关系抽取中的特征选择研究_董静中文实体关系抽取中的特征选择研究_董静.pdf

第 2 1 卷 　第 4 期 中文信息学报 Vol . 2 1 , No . 4 2007 年 7 月 J OU RN AL O F C H IN ESE IN FO RMA T ION PROCESSIN G J ul . , 2007 文章编号 : (2007) 中文实体关系抽取中的特征选择研究 1 , 2 1 1 , 2 1 , 2 董 静 , 孙 乐 , 冯元勇 ,黄瑞红 ( 1. 中国科学院 软件研究所中文信息处理中心 ,北京 100080 ; 2 . 中国科学院 研究生院 ,北京 100049) 摘 　要 : 命名实体关系抽取是信息抽取研究领域中的重要研究课题之一 。通过分析 ,本文提出将中文实体关系划 分为 : 包含实体关系与非包含实体关系 。针对同一种句法特征在识别它们时性能的明显差异 ,本文对这两种关系 采用了不同的句法特征集 ,并提出了一些适合各 自特点的新的句法特征 。在 CRF 模型框架下 , 以 A CE2007 的语 料作为实验数据 ,结果表明本文的划分方法和新特征有效的提高了汉语实体关系抽取任务的性能 。 关键词 : 计算机应用 ; 中文信息处理 ;实体关系抽取 ;包含关系 ;非包含关系 ;特征选择 ;A CE 评测 中图分类号 : TP39 1 　　　　　文献标识码 : A Chinese Automatic Entity Relation Extraction DON G Jing1 , 2 , SUN L e1 , F EN G Yuanyong1 , 2 , HU AN G Ruihong1 , 2 ( 1. Chinese Information Processing Cent er ,In stit ut e of Software , Chinese Academy of Sciences , Beij ing 100080 , China ; 2 . Graduat e U niver sit y of Chinese Academy of Sciences , Beij ing 100049 , China) Abstract : Entit y Relation Ext raction i s one of t he import ant research fields in Information Ext raction . Thi s p ap er p resent s a novel met ho d t hrough dividing t he entit y relation s into t wo cat egories : embedding relation s and nonem bedding relation s. Aft er some simple exp eriment s , we di scover t hat some synt actic feat ures have explicitly different effect s on t he identification of t he t wo kinds of relation s. So two different set of synt actic feat ures are suggest ed to ext ract t he t wo cat egories. Exp eriment s show t hat