沈晓卫，李培峰，朱巧明

(苏州大学 计算机科学与技术学院，江苏省计算机信息处理技术重点实验室，江苏 苏州 215006)



槽填充中抽取模式的优化方法

沈晓卫，李培峰，朱巧明

(苏州大学 计算机科学与技术学院，江苏省计算机信息处理技术重点实验室，江苏 苏州 215006)

在传统的信息抽取中，模式匹配已经被证实为简便而有效的方法，而依存路径也是最为常用的模式之一。在槽填充任务中就有众多的参与者引入了以依存路径为基础的模式匹配方法；该文就针对该方法中存在的包括模式平衡性，模式抽取方式和模式筛选策略等方面的问题，提出了模式裁剪、模式转置、模式扩展和模式语义定义等主要的优化方法并实现了相关系统，在TAC-KBP2010的目标语料上进行了测试。该文提出的方法F值为20.8%，比基准系统的14.3%提高了6.5%。

槽填充；模式优化；信息抽取

1 前言

传统的信息抽取评测如MUC和ACE主要还是关注在个别文档和领域限定文档上进行的相关抽取；但在实际中，很多的应用需要从开放的，规模较为庞大的数据源里抽取信息，进而用抽取到的信息实现对现有知识库(Knowledge Base, KB)的补充和扩展。这就需要系统能够正确辨别出数据源与知识库里已知实体间的一一对应关系，并能抽取出这些实体的相关信息。针对这样的需求，TAC于2009年提出了知识库填充任务(Knowledge Base Population, KBP)，槽填充(Slot Filling, SF)是它的第二个子任务。

到2011年底TAC-KBP已经成功举办了三届，有众多的小组参与了其中的槽填充任务，提出了一些具有针对性的做法。……