余　丽，陆　锋，刘希亮

1. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101; 2. 中国科学院大学，北京 100101; 3. 江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023



开放式地理实体关系抽取的Bootstrapping方法

余丽1,2，陆锋1,3，刘希亮1

1. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101; 2. 中国科学院大学，北京 100101; 3. 江苏省地理信息资源开发与利用协同创新中心，江苏 南京 210023

Foundation support： The National Natural Science Foundation of China (No.41271408); The National High-Tech Research and Development Program of China (863 Program) (No.2013AA120305)

从网络文本中抽取地理实体间空间关系和语义关系要求高时效性和强鲁棒性。本文提出一种开放式地理实体关系的自动抽取方法，通过bootstrapping技术统计词语的词性、位置和距离特征来计算语境中词语权值，据此确定描述地理实体关系的关键词，最终组织成结构化实例，并使用百度百科和Stanford CoreNLP开展了试验。研究结果表明，本文方法能自动挖掘自然语言的部分词法特征，无须领域专家知识和大规模标注语料，适用于未知关系类型的信息抽取任务；较之经典的Frequency、TF-IDF和PPMI频率统计方法，精度和召回率分别提升约5%和23%。

文本挖掘；地理实体；关系抽取；定量评价；bootstrapping

包含地理实体(如地名、组织机构、地缘政治实体)间语义关系(如从属、合作、继承关系)和空间关系(如拓扑、方位、距离关系)的文本资源在广义地理信息采集与服务中占据重要地位[1-2]，为地图数据库更新提供了巨大潜能，催生了开放式地理实体关系抽取研究[3-5]。开放式地理实体关系抽取旨在从自然语言文本中抽取地理实体间的空间关系和语义关系，形成结构化的表达形式[6]。……