本期话题知识抽取非结构化文本中内容对象抽取的技术方法.PDFVIP

本期话题：知识抽取 非结构化文本中内容对象 抽取的技术方法综述* □ 张智雄 吴振新 / 中国科学院国家科学图书馆 北京 100190 □ 赵琦 洪娜 / 中国科学院国家科学图书馆 北京 100190 中国科学院研究生院 北京 100080 □ 徐健 / 中国科学院国家科学图书馆 北京 100190 中国科学院研究生院 北京 10008 DLF 中山大学资讯管理系 广州 510275 □ 刘建华 / 中国科学院国家科学图书馆 北京 100190 题 话 期 本 中国科学院研究生院 北京 100080 摘要：近年来，知识抽取技术在非结构化文本的处理中起到很重要的作用。文章在对当前知识抽取的 相关文献、系统和项目分析研究的基础之上，提出了当前知识抽取研究中的主要抽取内容对象的分类，并 对这些主要内容对象抽取的相关技术方法进行综述。主要总结了Web对象识别和集成、术语识别和抽取、主 题发现和识别、概念层次关系的抽取、非概念层次关系的抽取、事实抽取、观点抽取和倾向识别等7种内容 T o 对象抽取的技术方法。并在此基础之上，对未来知识抽取的发展趋势进行了分析。该文为2008年第9期本期 p i c 话题“知识抽取”的文章之一。 关键词：知识抽取，对象识别，术语抽取，主题发现，关系抽取，事实抽取，观点抽取，数字图书馆 DOI:10.3772/j.issn.1673-2286.2008.09.001 随着文本信息的不断增长，人们需要一种高效 Philipp等人对非结构化文本中的内容对象抽取进行 的文献挖掘技术，能够有效地发现和收集被掩埋在 了分类[118- 119] ，将从非结构化的文本中提取出知识 非结构化文本文献之中的知识。 的工作划分为词语提取、同义词提取、概念抽取、 近年来，知识抽取技术在非结构化文本的处理 概念层级抽取、关系抽取、关系层级生成、公理模 中起到很重要的作用，研究人员提出了诸如自适应 式抽取、通用公理抽取等一系列自下而上的学习子 的信息抽取 （Adaptive IE ）、开放信息抽取 （Open 任务。 IE ）、自动本体学习 （Ontology Learning ）、基 通过笔者对当前知识抽取相关文献、项目和 于模式的标注 （Pattern-Based Annotation ）、语 系统的调研分析，发现现实的研究工作基本上遵循 义标注 （Semantic Annotation ）、基于Ontology Philipp所提出的层次分类，但内容对象的抽取更加 [ 1] 的信息抽取 （O B I E ）等新的思路和方法 ， 关注现实的需要，有一些很实用的内容对象抽取并