国外知识抽取系统研究

《国外知识抽取系统研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、国外知识抽取系统研究刘晓娟北京师范大学管理学院北京100875文摘：对知识抽取的概念和起源进行论述，介绍GATE、KIM、ArtEquAKT等国外典型的知识抽取系统，分析和了解各个系统的整体架构、关键技术、抽取过程及应用领域，挖掘这些系统在知识抽取方面的核心理念和突出特点，并从学习机制、抽取算法等方面进行了比较分析，总结得出知识抽取系统的研究现状及发展趋势，为数字图书馆中的知识抽取工作提供借鉴。关键词：知识抽取知识抽取系统语义标注ASurveyonForeignKnowledgeExtractionSystemsLiuXiaojuanSchoolofMana

2、gement,BeijingNormalUniversity,Beijing100875Abstract：Thepaperpresentstheconceptandoriginofknowledgeextractionandintroducestherepresentativeknowledgeextractionsystemsofforeigncountries,suchasGATE,KIM,ArtEquAKTandetc.Thispaperanalysesandfindsouttheframework,keytechnology,extractionpr

3、ocessandapplicationofknowledgeextractionsystems.Thekeyideaandprominentcharacteristicsinknowledgeextractionaremined.Thispaperalsocomparesthesesystemsfromtheaspectsoflearningmechanismandextractionalgorithm.Theresearchsituationanddevelopmenttrendofknowledgeextractionaresummarized・Afew

4、suggestionsaremadefortheconstructionofknowledgeextractionsysteminthedigitallibrary・Keywords：Knowledgeextraction,Knowledgeextractionsystem,Semanticannotation1引言而对H益增长的数字信息的堆积，如何简效地对这些数字信息进行加工处理，并有效地实现这些数字资源的开发利用成为当前数字图书馆研究者必须而对的一个课题。信息的价值不在于它的数量，而在于能够在适当的时机，以最适合的形式进行获取。信息抽取(Informat

5、ionExtraction)研究为数字图书馆冇效地揭示和发现信息Z间的知识联系提供了一条路径。信息抽取是一个把无结构的文本作为输入，生产出固定格式、无二义的数据的过程，它可以帮助用八从海量信息中直接获得自己最感兴趣的事实信息，极人地提高了信息利用的效率。目前信息抽取主要针对人名、地名、组织结构等进行命名实体的识别，然而文本屮命名实体的识别并不是最终冃标：命名实体应该与已冇的知识相关联，或者实体间进行关联；应该建立实体的类目等级体系；本体元素实体映射进一步驱动基于木体的信息抽取。信息捕取是对文木的浅层解析，已经不能满足人们的需求，由此研究者提出了知识抽取(Kn

6、owledgeExtraction)0知识抽取是在信息抽取的基础上引入了语义概念及本体，进行知识的抽取，提供先进的知识服务。将木体和IE系统联系起来能够提供更丰富的知识指导，如抽取什么信息，查找的关系类型，如何呈现抽取到的信息。知识抽取系统与信息抽取系统所面向的问题基本相同，但知识抽取系统试图基于语料库归纳出一个规则库或领域模型，这盂要冇强大的机器学习技术，以及NLP作为支持。知识抽取系统通常比信息抽取系统有-更强的功能和更美好的目标。从数字图卩馆的实际需要出发，研究在数字图书馆建设中，如何利用新兴的知识抽取和知识建模技术，对数字图书馆屮海虽的数字信息资源进

7、行发现和标识，抽取出结构化并具有明确语义的知识，形成更易于机器白动处理、更易于用户查询和理解的知识库，从而人力促进数字图书馆信息资源的开发利用。F1前，欧美发达国家止在推进一些为“知识抽取”相关的研究，为数字图书馆中知识抽取和知识建模的研究提供了很好的借鉴。本文将对一些典型的知识抽取系统进行分析研究，分析和了解系统的架构和关键技术，有助于数字图书馆屮的知识抽取工作的开展。2国外知识抽取系统研究2.1GATEGATE⑴(GeneralArchitectureforTextEngineering)是英国Sheffield大学所开发的开源系统，它是一个用来开发和部

8、署口然语言处理组件的框架，为语言处理软件的研究和开发