面向自然语言文本的否定性与不确定性信息抽取

• 作者: 周国栋 朱巧明 邹博伟 钱忠 陈站成
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 信息抽取 否定性信息 不确定性信息 线索词检测 覆盖域界定
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 309-328
• 页数: 20页
• 分类号: TP391
• 字数: 19273字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004860

摘要

目前,信息抽取研究主要面向肯定性信息,而自然语言文本中包含了大量否定性和不确定性信息,为了将此类信息与肯定性信息区分开,有必要针对否定性与不确定性信息抽取进行深入研究针对这一任务,首次构建了一个16 841句的汉语语料资源,利用序列标注模型与卷积树核模型,系统地探索了各种序列化依存特征和结构化句法树特征的有效性,并提出了元决策树模型,对二者进行融合.实验结果显示,该方法在否定性和不确定性信息抽取任务上的精确率分别达到69.84％和58.57％,为相关研究打下了坚实的基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱巧明	苏州大学计算机科学与技术学院	261	2058	25.0	31.0
2	周国栋	苏州大学计算机科学与技术学院	138	1425	22.0	32.0
3	钱忠	苏州大学计算机科学与技术学院	2	22	2.0	2.0
4	邹博伟	苏州大学计算机科学与技术学院	7	24	2.0	4.0
5	陈站成	苏州大学计算机科学与技术学院	1	19	1.0	1.0