[发明专利]结合词向量和自举学习的领域实体上下位关系获取与组织方法

摘要

本发明涉及一种结合词向量和自举学习的领域实体上下位关系获取与组织方法，属于自然语言处理和机器学习技术领域。本发明首先根据自举学习的方式，从旅游领域的文本中获取候选的上下位关系实例，利用候选的上下位关系实例，人工构建旅游领域知识库，借鉴映射矩阵对候选上下位关系实例进行层级关系组织。本发明对上下位关系实现了有效的抽取，为信息抽取、信息检索和机器翻译等工作提供强有力的支撑，与目前识别方法相比，本发明的正确率、召回率、F值均有提高，因此本发明具有一定的研究意义。

主权项

结合词向量和自举学习的领域实体上下位关系获取与组织方法，其特征在于：所述方法的具体步骤如下：Step1、首先根据自举学习的方式，从旅游领域的文本中获取候选的上下位关系实例；Step1.1、首先人工编写爬虫程序，从旅游网站和百科词条上爬取旅游领域文本信息；Step1.2、语料的预处理过程采用开源的工具包Ansj完成，包括分词、词性标注、去停用词和命名实体识别过程；Step1.3、选择Google的开源工具包word2vec，采用Skip‑gram模型对预处理后的语料进行词向量模型训练；Step1.4、对预处理后的文档进行扫描，筛选出同时含有两个以上领域实体的句子，选取特征上下文；Step1.5、种子集的获取，即每一种上下文文本在去除停用词和形容词后，剩余的每个词都被转化为单独的词向量，然后进行简单的组合得到特征向量，然后采用三个向量的组合来表示任意关系实例；Step1.6、从Step1.5中获取上下位关系种子集，采用Single‑pass聚类的方法生成上下位关系抽取模式；Step1.7、当利用Step1.6得到抽取模式以后，采用新关系实例获取的方法进行候选关系实例的获取；Step2、利用候选的上下位关系实例，人工构建旅游领域知识库，借鉴映射矩阵对候选上下位关系实例进行层级关系组织；Step2.1、人工构建领域知识库作为映射矩阵的训练数据；Step2.2、通过对训练数据的聚类和相应的映射训练，判断给定的两个实体是否存在上下位关系来进行层级关系组织。