面向自然语言文本的否定性与不确定性信息抽取

来源：软件学报杂志2016年第2期北京时间：

作者：邹博伟,钱忠,陈站成,朱巧明,周国栋

单位：邹博伟，苏州大学 计算机科学与技术学院, 江苏 苏州 21500611,钱忠，苏州大学 计算机科学与技术学院, 江苏 苏州 21500602,陈站成，苏州大学 计算机科学与技术学院, 江苏 苏州 21500603,朱巧明，苏州大学 计算机科学与技术学院, 江苏 苏州 21500604,周国栋，苏州大学 计算机科学与技术学院, 江苏 苏州 21500605

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.

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

基金资助：国家自然科学基金(61272260, 61331011, 61273320)