图书情报工作

图书情报工作 >

2013 , Vol. 57 >Issue 22: 126 - 131,147

DOI: https://doi.org/10.7536/j.issn.0252-3116.2013.22.020

知识组织

语法规则和改进关联规则的中文文本非等级关系提取研究

  • 余凡 ,
  • 程虹 ,
  • 楼雯
展开
  • 1. 武汉大学质量发展战略研究院;
    2. 武汉大学信息管理学院
余凡，武汉大学质量发展战略研究院博士后，E-mail：yufan_22@126.com；程虹，武汉大学质量发展战略研究院院长，教授，博士生导师；楼雯，武汉大学信息管理学院博士研究生。

收稿日期: 2013-09-23

  修回日期: 2013-11-01

  网络出版日期: 2013-11-20

基金资助

本文系国家社会科学基金重大项目“基于语义的馆藏资源深度聚合与可视化展示研究”（项目编号：11&ZD152）和国家社会科学基金重大项目“我国质量安全评价与网络预警方法研究”（项目编号：11&ZD158）研究成果之一。

收起

Non-hierarchical Relations Extraction of Chinese Texts Based on Grammar Rules and Improved Association Rules

  • Yu Fan ,
  • Cheng Hong ,
  • Lou Wen
Expand
  • 1. Wuhan University Institute of Quality Development Strategy, Wuhan 430072;
    2. School of Information Management, Wuhan University, Wuhan 430072

Received date: 2013-09-23

  Revised date: 2013-11-01

  Online published: 2013-11-20

Fold

摘要

针对目前适用于中文文本非等级关系提取方法偏少以及关联规则筛选方法忽略了集中出现在部分文本集中的领域词汇关系的问题，通过对中文文本的统计分析，尝试定义一套中文非等级关系提取的规则，同时提出一种加入平均值变量的改进的关联规则。实践证明，基于自定义的语法规则提取方法能够有效地从中文文本中提取出主、谓、宾语，进而提取出非等级关系，改进的关联规则方法能够提取出集中出现在部分文本集中的领域词汇非等级关系。

关键词： 非等级关系提取; 语法规则; 关联规则; 中文文本

本文引用格式

余凡 , 程虹 , 楼雯 . 语法规则和改进关联规则的中文文本非等级关系提取研究[J]. 图书情报工作, 2013 , 57(22) : 126 -131,147 . DOI: 10.7536/j.issn.0252-3116.2013.22.020

Abstract

There is lack of non-hierarchical relations extraction suitable for Chinese texts. Association Rules do not effectively extract vocabulary relations concentrated in part of the text. This paper defines a set of non-hierarchical relations extraction rules of Chinese texts and an improved association rules based on average value. The practical results show that non-hierarchical relations extraction rules of Chinese texts can efficiently extract subject, predicate and object in Chinese texts, and form the non-hierarchical relations. Improved association rules can extract non-hierarchical relations of the vocabulary concentrated in part of the text.

Key words： non-hierarchical relations extraction; grammar rule; association rule; Chinese text

参考文献

[1] 韩婕, 向阳. 本体构建研究综述[J]. 计算机应用与软件, 2007, 24(9): 21-23.
[2] 刘萍, 胡月红. 领域本体学习方法和技术研究综述[J]. 现代图书情报技术, 2012(1): 19-26.
[3] Sahay S, Mukherjea S. Discovering semantic biomedical relations utilizing the Web[C]//Pacific Symposium on Biocomputing.New York:ACM Transactions on Knowledge Discovery from Data, 2006.
[4] Maedche A, Staab S. Discovering conceptual relations from text[C]//Proceedings of the 12th International Conference on Software and Knowledge Engineering.Chicago:Knowledge Systems Institute, 2003: 321-325.
[5] Kavalec M, Maedche A, Svatek V. Discovery of lexical entries for non-taxonomic relations in ontology learning[C]//Proceedings of SOFSEM 2004: Theory and Practice of Computer Science 2004.Berlin:Springer, 2932:249-256.
[6] Hastings P, Graesser A, Hastings K. Inferring the meaning of verbs from context[C]//Proceedings of the 20th Annual Conference of the Cognitive Science Society.Mahwah:Lawrence Erlbaum Associates, 1998: 1142-1147.
[7] 谭力, 史忠植. 基于数据挖掘的本体关系学习算法[J]. 郑州大学学报(理学版), 2008, 40(3): 40-43.
[8] 徐桂臣. 基于语义加权距离的语义相似度改进算法[J]. 情报杂志, 2012, 31(2): 119-123.
[9] Jiang Tao, Tan A H, Wang K. Mining generalized associations of semantic relations from textual Web content[J]. IEEE Transactions on Knowledge and Data Engineering, 2007, 19(2): 164-172.
[10] Villaverde J, Persson A, Godoy D, et al. Supporting the discovery and labeling of non-taxonomic relationships in ontology learning[J]. Expert Systems with Applications, 2009 36(7): 10288-10294.
[11] 温春, 石昭祥, 辛元. 基于扩展关联规则的中文非分类关系抽取[J]. 计算机工程, 2009, 35(24): 63-65.
[12] 谷俊, 严明, 王昊. 基于改进关联规则的本体关系获取研究[J]. 情报理论与实践, 2011, 34(12): 121-125.
[13] 黄承慧, 印鉴, 侯昉. 一种结合词项语义信息和TF-IDF方法的文本相似度量方法[J]. 计算机学报, 2011, 34(5):856-864.

Options
文章导航

/

〈 〉