基于规则的海事自由文本信息抽取方法研究

基于规则的海事自由文本信息抽取方法研究

一.前言

海事事故数据作为评估现有安全水平和降低风险措施有效性的基础，在进行风险分析时必不可少。目前我国各海事部门大都存在各自船舶数据库，但在各部门数据库相对独立，不同部门的数据库甚至同一部门的不同数据库都存在着数据不互通的问题 ，并且各海事部门数据库大都未对外开放，无法直接得到结构化的事故数据，只能在Web网页中获取得到事故相关的文本信息。

二.自由文本信息抽取方法

2.1 基本组成结构

自由文本信息抽取系统主要由模式获取模块和信息抽取模块两部分组成。
自由文本信息抽取各组成部分功能解释如下：
1 ) 词法分析：指对文本的预处理，主要包括分句、分词和词性标注。
2 ) 命名实体识别：识别文本中各种不同类型的专业名词，主要包括人名、地名、机构名、时间、日期等。
3 ) 句法分析：识别文本中的名词群组、动词群组和介词群组等句法成分。
4 ) 指代解析：同一实体在文本中可能有多种不同的表达方式，将它们与所指代对象关联到一起。
5 ) 推理：通过特定规则从已抽取信息中推理出隐含的相关信息。
6 ) 事件融合：将抽取合并得到的多个单个信息按输出格式的要求结合成完整的事件抽取模板。

2.2 评价标准

一般以准确率、召回率和$F$值作为自由文本信息抽取方法的评价指标[1]。式中：$P$ 为准确率，$R$ 为召回率， C 1 C_1