面向非结构化中文文本的篇章级事件抽取研究

发布时间：2022-11-12 13:21

　　如今,随着信息传播技术的高速发展,互联网已然成为大多数人工作学习生活中不可或缺的部分。网络中流通着的海量非结构化的电子文本,在给用户都带来极其方便的信息获取途径的同时,也带来信息冗余繁多的困扰。面对爆炸式增长的电子化文本数据,如何帮助用户快速地从非结构化文本中获取其感兴趣的信息和知识以减轻时间成本,成为了亟待解决的问题,信息抽取的提出主要为了解决该问题。作为自然语言处理技术中的关键任务和重要组成部分,信息抽取主要研究如何快速地从非结构化文本中获取用户关心的信息和知识,并以精简、结构化的形式反馈给用户。信息抽取按照抽取对象主要可分为实体抽取、关系抽取和事件抽取。本文主要研究内容是面向非结构化文本的事件抽取,主要应用于事件结构化信息的自动获取、事件知识图谱的构建以及辅助其它自然语言理解任务。目前事件抽取研究框架按照文本抽取粒度可分为句子级事件抽取和篇章级事件抽取。句子级事件抽取旨在识别句中是否包含表示特定类型事件发生的事件触发词,进而判断句中实体在该事件中所扮演的预定义事件角色,从而得到句子级的事件结构化信息。篇章级事件抽取以文档文本中描述的核心事件为中心,将简洁、完整、结构化的篇章级事件... 

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

一l事件抽取在信息检索中的应用

图３－１篇章事件抽取模型整体框架??Ｆｉｇ．３－１?Ａ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｄｏｃｕｍｅｎｔ－ｌｅｖｅｌ?ｅｖｅｎｔ?ｅｘｔｒａｃｔｉｏｎ??

图４－２金融领域句子级的事件抽取实例??．－－

【参考文献】：
期刊论文
[1]A language-independent neural network for event detection[J]. Xiaocheng FENG,Bing QIN,Ting LIU.  Science China（Information Sciences）. 2018(09)



本文编号：3706445