面向互動百科的知識抽取和知識庫構建方法研究.pdf

1、近年來，互聯網的蓬勃發(fā)展給人們的生活帶來了極大便利，同時互聯網上的信息量也呈現出了爆發(fā)式的增長。面對如此巨大的信息源，人們獲取信息的方式卻沒有發(fā)生根本性的改變。究其原因，在于互聯網上的知識大部分是以相互鏈接的網頁形式存儲的，其存儲的基本單位是文檔，并沒有細化為知識，因此，計算機難以理解這些信息，只能根據淺層的文本分析來幫助人們獲取信息。為了更好地利用互聯網這個巨大的信息源，人們構建了很多機器可讀的知識庫，并提出了很多構建知識庫的方法。<

2、br>　　基于上述背景，本文提出了一種自動從文本中抽取知識的方法，并開發(fā)了一個基于互動百科的知識庫構建系統(tǒng)，主要完成了以下工作:
　　1)為了獲取百科頁面數據，本文實現了一個自動爬取互動百科詞條頁面的爬蟲程序。根據互動百科的分類頁面來獲取對應分類下的所有詞條頁面。
　　2)為了構建知識，本文利用百科詞條頁面結構抽取出了互動百科的中的結構化知識。此外，為了充分利用頁面非結構化部分內容包含的知識，本文提出了一種面向中文的開放域實

3、體關系抽取方法。為了說明該方法的有效性，本文以數據集中的語料樣例對該方法進行實驗，結果表明，該方法能從非結構化文本中抽取出大量正確的實體關系。
　　3)為了管理從互動百科頁面中抽取出來的知識，本文實現了一個知識存儲系統(tǒng)，該系統(tǒng)接受實體關系三元組作為輸入，將之存入以RDF文件格式存儲的知識庫中。
　　4)本文所構建的知識庫包含大量的實體關系三元組，為了提供一個方便的用戶接口，本文實現了一個知識庫的檢索系統(tǒng)，允許用戶輸入實體關系