基于远距离监督和模式匹配的职衔履历属性抽取

来源：计算机应用杂志2016年第2期北京时间：

作者：于东, 刘春花, 田悦

单位：1. 北京语言大学 大数据与语言教育研究所, 北京 100083;2. 北京语言大学 信息科学学院, 北京 100083

摘要：针对从非结构化文本中抽取指定人物职衔履历属性问题,提出一种基于远距离监督和模式匹配的属性抽取方法。该方法从字符串模式和依存模式两个层面描述人物职衔履历特征,将问题分为两阶段。首先利用远距离监督知识和人工标注知识,挖掘具有高覆盖度的模式库,用于发现职衔履历属性和抽取候选集;其次利用职衔机构等属性间的文字接续关系,以及特定人物与候选属性的依存关系,设计候选集的过滤规则对候选项进行筛选,实现高准确度的属性抽取。实验结果显示,所提方法在CLP2014-PAE测试集上的F值达到55.37%,显著高于评测最好成绩(F值34.38%)和基于条件随机场(CRF)的有监督序列标注方法(F值43.79%),表明该方法能高覆盖度挖掘并抽取非结构化文档中的职衔履历属性。

关键词：人物属性抽取,职衔履历信息,远距离监督,模式匹配,规则过滤

基金资助：国家自然科学基金资助项目(61300081);中央高校基本科研业务费专项资金资助项目(北京语言大学科研项目:15YJ030006)。