黄 海，张海玉

（1.广东培正学院教务处，广东 广州 510830；2.太原理工大学财经学院信息系，山西 太原 030024）

基于GATE的中文事件抽取方法

黄 海1，张海玉2

（1.广东培正学院教务处，广东 广州 510830；2.太原理工大学财经学院信息系，山西 太原 030024）

事件抽取是信息抽取领域的重要研究方向，针对目前网页文档中文事件抽取的关键问题，提出利用开源的通用文本处理框架(GATE)进行中文事件抽取的方法，设计GATE中文事件处理流程，开发GATE插件，解决中文分词与词性标注、领域词典、中文抽取规则设计等关键技术，实现了中文事件的类型识别和元素抽取。并以四类政治事件为例，进行中文事件抽取实验。实验结果表明，基于GATE的中文事件抽取具有良好的通用性，能够取得了较好的抽取效果。

信息抽取；GATE；事件抽取；中文分词；规则匹配

引言

随着互联网技术的快速发展，网络数据呈现爆炸式的发展态势，大量的信息以文本的形式呈现在人们面前。为了应对信息爆炸带来的挑战，迫切需要一些自动化的技术帮助人们在海量数据中迅速找到其所需要的信息。信息抽取成为了从文本中自动获取信息的一种重要手段，它是指从一段文本中抽取指定的数据、事实等信息，形成结构化的数据并存入数据库中，供用户查询和使用的过程[1]。事件抽取(Event Extraction)是信息抽取的一个重要研究方向，主要研究如何从含有事件信息的自由文本中抽取出用户所需要的事件信息，将文本中描述的事件以结构化的形式呈现出来[2]。……