基于依存句法的實體關(guān)系抽取

本文首先介紹了自然語言處理的概念，并給出了自然語言處理模型，與此同時，分析了依存句法的有關(guān)問題，包括其公理以及具體分析方法等，最后闡述了基于依存句法的實體關(guān)系抽取過程。

【關(guān)鍵詞】計算機(jī) 自然語言處理 依存語法 實體關(guān)系抽取

計算機(jī)技術(shù)與人工智能的結(jié)合，形成了自然語言處理，使得人與計算機(jī)的結(jié)合更加緊密，依存句法能夠?qū)崿F(xiàn)對實體關(guān)系的抽取和對自然語言的分析，進(jìn)而使自然語言處理成為可能，這對于信息抽取效率的提高以及人與計算機(jī)之間聯(lián)系的加強(qiáng)意義重大。

1 自然語言處理

1.1 自然語言處理的概念

自然語言處理，是計算機(jī)領(lǐng)域的一種技術(shù)，是計算機(jī)技術(shù)發(fā)展到一定階段，與人工智能逐漸結(jié)合的產(chǎn)物。自然語言即人類的常用語言，自然語言處理的意義在于，對上述語言進(jìn)行處理，使其能夠被計算機(jī)所識別，進(jìn)而將其應(yīng)用于計算機(jī)軟件系統(tǒng)當(dāng)中，使軟件的研發(fā)以及修改等得以實現(xiàn)的一種技術(shù)。鑒于語言本身存在復(fù)雜性的特點(diǎn)，因此自然語言處理的實現(xiàn)也十分復(fù)雜，建立相應(yīng)的計算模型，是使處理過程能夠有效實現(xiàn)的基礎(chǔ)。

1.2 自然語言處理模型

自然語言處理模型由自然語言（N）、問題（P）、模型（M）、算法（ A）、輸入集（I）與輸出集（O）幾種因素組成。自然語言屬于人類的語言，計算機(jī)作為機(jī)器，不能夠?qū)ζ溥M(jìn)行識別，將其轉(zhuǎn)換為問題，能夠使其與計算機(jī)的識別要求相適應(yīng)，與此同時，使其以模型的方式體現(xiàn)，可以使自然語言處理得以實現(xiàn)。在充分考慮輸入集的前提下，應(yīng)用相應(yīng)的算法，將其與在問題的基礎(chǔ)上所得到的模型相結(jié)合，能夠產(chǎn)生輸出集，最終完成自然語言處理過程。

2 依存句法

依存句法的應(yīng)用，是實現(xiàn)自然語言處理的基礎(chǔ)。在依存句法的基礎(chǔ)上，自然語言能夠以依存樹等形式存在，為語言的處理提供了便利條件。

2.1 依存句法公理

依存句法的公理主要包括以下幾方面內(nèi)容：

（1）一個句子中，必須只有一個獨(dú)立成分，且該成分不依存于其他成分。

（2）在一個句子中，其他成分必須依存與某一成分。

（3）在一個句子中，無論對于任何成分而言，其所依存的成分最高數(shù)量為1，不能超過這一數(shù)量，簡單的說，句子中的任意成分，其所依存的成分量，不能大于等于2。

（4）假設(shè)句子中存在三個成分，分別為1、2和3，在三個成分當(dāng)中，如果1直接依賴于2，而3在1與2中間，那么3既可以依存于1，又可以依存于2，但需要認(rèn)識到的是，一定要堅持第三點(diǎn)公理，3必須單獨(dú)依賴于1或2。除此之外，成分3頁可以既不依賴于1，也不依賴于2，而是依賴于兩者之間的某一成分N。

2.2 依存句法分析方法

2.2.1 依存句法結(jié)構(gòu)

目前計算機(jī)領(lǐng)域主要存在三種依存句法結(jié)構(gòu)，分別為依存樹、有向圖以及依存投射樹。依存樹以樹狀的形式存在，是依存句法用于實現(xiàn)自然語言處理的主要結(jié)構(gòu)之一。有向圖充分考慮了句子各個成分之間的關(guān)系，例如主語與謂語的關(guān)系、動詞與賓語之間的關(guān)系以及定語與中心詞之間的關(guān)系等，在分析句子各詞語上述關(guān)系的基礎(chǔ)上，實現(xiàn)自然語言處理，完成對自然語言的分析，使其能夠成為計算機(jī)所能夠識別的語言。依存投射樹指的是與依存樹基本一致，但同時又有所不同，主要體現(xiàn)在投射方面，在應(yīng)用時，需要對兩者加以區(qū)別。

2.2.2 依存句法分析方法

依存句法分析方法有很多種，每一種類所依靠的原理不同。至今為止主要包括基于泰尼埃理論的依存句法分析方法、基于上下文無關(guān)文法的分析方法、基于約束的依存分析方法等。上述方法均根據(jù)依存句法分析方法所依靠的原理的不同來劃分。除此之外，還可以以統(tǒng)計為標(biāo)準(zhǔn)，實現(xiàn)對依存句法的劃分。或?qū)⑸鲜鰞煞N劃分方法相結(jié)合，實現(xiàn)依存依據(jù)的分析。

3 基于依存句法的實體關(guān)系抽取

3.1 實體關(guān)系抽取

社會的不斷發(fā)展，使得每一天所產(chǎn)生的信息量也在不斷加大，為計算機(jī)對數(shù)據(jù)以及信息的處理帶來了極大的困難。實體關(guān)系抽取，能夠使不同信息識別的準(zhǔn)確性得到提高，對于信息處理效率的提升極為重要。在實體抽取下，所抽取出的知識要素，會以離散的形式存在，能夠有效的反映出文本中所存在的實體的內(nèi)容，同時也就能夠達(dá)到識別實體的目的，但需要認(rèn)識到的是，實體識別無法判斷不同實體之間的關(guān)系。將實體識別與關(guān)系抽取相結(jié)合，既能夠達(dá)到準(zhǔn)確反映實體情況的目的，又能夠使各實體之間的關(guān)系得以體現(xiàn)，將上述過程建立在依存句法的基礎(chǔ)上，能夠極大的提高信息識別的效率以及有效性。

3.2 基于依存句法的實體關(guān)系抽取

依存句法能夠有效的分析出句子中各詞語之間的依存關(guān)系，通過對其這一功能的應(yīng)用，可以使實體關(guān)系抽取成為可能。依存句法結(jié)構(gòu)包括有向圖結(jié)構(gòu)，以“他是一個壞人”為例，在上述結(jié)構(gòu)下，“他”與“是”成主謂關(guān)系，“是”與“人”為動賓關(guān)系，“一個”與“人”為定中關(guān)系?！皦摹迸c“人”同樣呈定中關(guān)系。依靠依存句法，上述自然語句中各實體之間的關(guān)系能夠有效的體現(xiàn)，同時，也能夠?qū)⒏鱾€實體在語句中所扮演的角色識別，即滿足了實體識別的功能，又滿足了關(guān)系抽取的功能，使得實體關(guān)系抽取得以實現(xiàn)。

由此可見，在考慮依存句法的基礎(chǔ)上，實現(xiàn)實體關(guān)系抽取，能夠使抽取過程更加簡單，因此也就能夠使計算機(jī)更好的識別出自然語言，從長遠(yuǎn)的角度看，這對于人工智能水平的進(jìn)步，具有重要的現(xiàn)實意義。

4 結(jié)論

綜上，自然語言處理是將人與計算機(jī)相聯(lián)系的主要途徑，而處理過程的實現(xiàn)，則需要依靠實體關(guān)系抽取過程來完成。實體關(guān)系抽取較為復(fù)雜，以依存句法為基礎(chǔ)，將其種種結(jié)構(gòu)圖進(jìn)行應(yīng)用，能夠有效的完成實體識別以及關(guān)系抽取的過程，使得計算機(jī)能夠有效的識別出每一個實體，并分析出其與其他實體之間的關(guān)系，使得自然語言處理效率得到了極大的提高。

參考文獻(xiàn)

[1]徐健，張智雄，吳振新.實體關(guān)系抽取的技術(shù)方法綜述[J].現(xiàn)代圖書情報技術(shù)，2014，12（08）：12-14.

[2]車萬翔，劉挺，李生.實體關(guān)系自動抽取[J].中文信息學(xué)報，2014，19（02）：1-5.

[3]奚斌，錢龍華，周國棟，等.語言學(xué)組合特征在語義關(guān)系抽取中的應(yīng)用[J].中文信息學(xué)報，2013，22（03）：14-16.

[4]郭喜躍，何婷婷，胡小華，等.基于句法語義特征的中文實體關(guān)系抽取[J].中文信息學(xué)報，2014，28（06）：183-186.

[5]董靜，孫樂，馮元勇，等.中文實體關(guān)系抽取中的特征選擇研究[J].中文信息學(xué)報，2013，20（04）：70-75.

作者簡介

周亮?。?992-），男，浙江省溫州市人。同濟(jì)大學(xué)碩士研究生。研究方向為自然語言處理。

作者單位

同濟(jì)大學(xué)計算機(jī)科學(xué)與技術(shù)系 上海市 201804