APP下载

中文自由短文本信息抽取方法的研究

2012-04-29朱玲玲杨爱琴魏晓宁

电脑知识与技术 2012年15期
关键词:语义分类信息

朱玲玲 杨爱琴 魏晓宁

摘要:现实生活中,中文自由短文本大量出现,而短文本处理技术在话题跟踪与发现、流行语分析、舆情预警等领域都得到广泛的发展和利用。虽然信息抽取技术在一些领域已经得到了很好的研究应用,但针对中文自由短文本数据的抽取技术的研究则比较少。该文主要总结了当前中文短文本信息抽取方法的研究情况及存在的问题。提出了一种基于HNC的中文自由短文本信息抽取中的过滤、分类、聚类、模板生成等算法的开发及对其进行研究。

关键词:短文本;信息抽取

中图分类号:TP311文献标识码:A文章编号:1009-3044(2012)15-3691-02

近年来,大量短文本,如电子邮件,网络聊天,网络博客等已经成为信息交流和情感沟通手段,深刻改变了我们的生活习惯和沟通方式。中文的自由短文在比如网络舆情与公安预警等很多领域都有广阔发展前景,虽然英文信息提取技术得到很好研究应用,中文的信息抽取研究较晚,但也取得了一些效果。孙斌在他的博士论文[1]中提出了一种对事件抽取的研究,并且提出了一种InfoX的原型系统。对人民日报语料库中调职、辞职和任命三个事件,召回分别为50%,44%,42%,精度为75%,47%,54%,取得了一些成绩。

但相对长度短,结构各异的中文短文本的提取技术研究则相对更少。

1中文信息抽取方法的研究

目前对中文信息抽取方法的研究主要有以下四种。

1.1基于频繁的词集的方法

该方法的基本思想是,利用关键字出现在多少确定,虽然关键字在一个短文中出现的次数少,但是在总的预料中依然会出现很多次。……

登录APP查看全文

猜你喜欢

语义分类信息
分类算一算
语言与语义
教你一招:数的分类
订阅信息
“上”与“下”语义的不对称性及其认知阐释
认知范畴模糊与语义模糊
展会信息
语义分析与汉俄副名组合
健康信息
健康信息(九则)