信息抽取技術(shù)在情報(bào)監(jiān)測中的應(yīng)用

饒慧

摘 要：社會(huì)的發(fā)展和科技的進(jìn)步，使得我國各項(xiàng)社會(huì)事業(yè)都不斷繁榮，信息科技的發(fā)展，也為信息抽取技術(shù)的發(fā)展奠定了良好的基礎(chǔ)。信息抽取技術(shù)是一種對(duì)語言進(jìn)行處理的技術(shù)，在社會(huì)生活中的應(yīng)用范圍也不斷擴(kuò)大，本文主要信息抽取技術(shù)在情報(bào)監(jiān)測領(lǐng)域內(nèi)的應(yīng)用進(jìn)行詳細(xì)的分析與研究，以便為信息抽取技術(shù)的發(fā)展提供借鑒。

關(guān)鍵詞：信息抽取技術(shù)；情報(bào)監(jiān)測；應(yīng)用

0 引言

進(jìn)入新世紀(jì)以來，互聯(lián)網(wǎng)技術(shù)在人們生活中的作用愈來愈大，信息科技的發(fā)展使人們對(duì)各種信息資源的獲取變的更加方便和快捷，人們可以借助各種搜索引擎，找出自己所需的各種信息，然后瀏覽相關(guān)的網(wǎng)頁得到信息。面對(duì)網(wǎng)絡(luò)日益復(fù)雜的環(huán)境，人們都在對(duì)獲取信息的方式不斷進(jìn)行創(chuàng)新和探索，而且，各種信息也日益變得更加透明、公開，很多信息都被放在網(wǎng)絡(luò)中以便大家閱讀、檢驗(yàn)和交流，這就為人們信息的獲取創(chuàng)造條件。在美英等軍事比較發(fā)達(dá)的國家，網(wǎng)絡(luò)情報(bào)的搜集是整個(gè)情報(bào)工作的重要環(huán)節(jié)。在國內(nèi)，各種計(jì)算機(jī)網(wǎng)絡(luò)的使用使我國情報(bào)工作的手段和環(huán)境都有了很大變化，傳統(tǒng)情報(bào)思想已經(jīng)和現(xiàn)代化國防的要求有很大脫離，老式搜集情報(bào)的方式也逐漸落后于時(shí)代潮流，這就需要位信息抽取技術(shù)在情報(bào)監(jiān)測領(lǐng)域的應(yīng)用提供了契機(jī)，下面對(duì)其進(jìn)行詳細(xì)的介紹。

1 信息抽取技術(shù)概述

信息抽取主要指從一段文本內(nèi)抽取出指定的信息，并把這種信息的形式結(jié)構(gòu)化，然后填進(jìn)數(shù)據(jù)庫內(nèi)一般用戶進(jìn)行查詢和使用，這一技術(shù)在20世紀(jì)60年代中期開始研究，主要是從自然語言的文本內(nèi)獲得各種結(jié)構(gòu)化信息。國外已經(jīng)有了很多信息抽取技術(shù)應(yīng)用的領(lǐng)域，比如在外交、恐怖襲擊、自然災(zāi)難等。信息抽取和信息檢索有一定的聯(lián)系，但也有很大的相關(guān)性。信息抽取是對(duì)信息檢索的深化，信息檢索可以查找出和查詢條件有關(guān)的各種文本，而信息抽取則是從文本內(nèi)抽取特定的信息，其主要的任務(wù)就是抽取指定信息然后填進(jìn)預(yù)先的數(shù)據(jù)庫內(nèi)。信息抽取和自然語言理解也有很大的關(guān)系，使一種淺層的應(yīng)用，自然語言理解是信息抽取中必須涉及的，是對(duì)多樣化的內(nèi)容進(jìn)行處理和分析，而信息抽取的針對(duì)性則比較強(qiáng)，其分析檔案一般是針對(duì)特定類型，所以不需要理解去全部信息的內(nèi)容，只要對(duì)相關(guān)的內(nèi)容進(jìn)行分析即可。

2 信息抽取的方法

從自然語言理解到信息抽取技術(shù)，一直存在兩種不同的主義斗爭，也就是理性和經(jīng)驗(yàn)主義，在信息抽取系統(tǒng)內(nèi)，針對(duì)這兩種不同的主義，對(duì)信息進(jìn)行抽取的方法也有兩種：第一，理性知識(shí)的工程方法，主要由專家專門對(duì)語料庫進(jìn)行整理和分析，進(jìn)而人工對(duì)各種模板和規(guī)則進(jìn)行制定，可以把規(guī)則方法為基礎(chǔ)。第二，以經(jīng)驗(yàn)為基礎(chǔ)自動(dòng)進(jìn)行訓(xùn)練的方法，給出經(jīng)過標(biāo)注的文檔組合，借助機(jī)器來學(xué)習(xí)對(duì)模板進(jìn)行推導(dǎo)，以及使模板能夠自動(dòng)進(jìn)行填充的規(guī)則，也可以借助統(tǒng)計(jì)學(xué)方法進(jìn)行抽取，設(shè)計(jì)對(duì)自然語言進(jìn)行處理的技術(shù)。和原來的方法有所不同，我們可以把經(jīng)驗(yàn)和理性相結(jié)合，人工對(duì)模板和規(guī)則進(jìn)行制定，也要自動(dòng)對(duì)文檔進(jìn)行訓(xùn)練。

3 信息抽取技術(shù)在情報(bào)監(jiān)測中的應(yīng)用

3.1 設(shè)計(jì)的具體思想

首先是針對(duì)各種外文信息的抽取，對(duì)情報(bào)監(jiān)測這一特殊領(lǐng)域，我們要對(duì)各種國外的信息進(jìn)行研究，對(duì)國外的信息進(jìn)行抽取，需要翻譯成漢語，然后按照一定形式提供給用戶。接著要根據(jù)具體的領(lǐng)域進(jìn)行信息抽取，比如國防的經(jīng)費(fèi)，可以從國外關(guān)于國防經(jīng)費(fèi)英文的文本內(nèi)抽取特定事實(shí)的信息，以便對(duì)世界各國有關(guān)國防經(jīng)費(fèi)變化的情況進(jìn)行監(jiān)測。例如，可以從國防經(jīng)費(fèi)的預(yù)算和其他的報(bào)道內(nèi)，找出相關(guān)軍事研究和發(fā)展的費(fèi)用，裝備武器研究的費(fèi)用，更新和購置武器的費(fèi)用，軍隊(duì)具體開支的各種費(fèi)用等。在這里，可以提出一個(gè)有效而快速的方法，具體的流程如下：首先使用相對(duì)成熟的信息檢索，將所需英文的文檔下載進(jìn)本地，使之成為本地文檔；接著借助信息抽取的工具抽取出英文的信息，將有用的信息充實(shí)進(jìn)相關(guān)的數(shù)據(jù)庫內(nèi)；最后要和相關(guān)的翻譯系統(tǒng)相連接，因?yàn)閿?shù)據(jù)庫內(nèi)信息大都比較零散、簡單，因此翻譯的工作也就比較簡單，提交給用戶的就是各種結(jié)構(gòu)化中文的信息。

3.2 對(duì)文本進(jìn)行預(yù)處理

這是一種初使的工作，這一環(huán)節(jié)主要對(duì)詞性進(jìn)行標(biāo)注。因?yàn)樾畔⒊槿〉娜蝿?wù)具有特殊性，抽取出的信息一般在某一領(lǐng)域內(nèi)數(shù)量比較有限，因此，文本內(nèi)和抽取的任務(wù)有關(guān)的信息可能只有很小的一部分。這就需要設(shè)計(jì)過濾器，其作用主要是對(duì)文本內(nèi)的句子逐詞進(jìn)行掃描，然后按照語料庫的設(shè)計(jì)對(duì)所需信息的單詞進(jìn)行判斷，如果這一句內(nèi)沒有所需的單詞，就將其刪除，以便使計(jì)算機(jī)的資源得到節(jié)省，提高抽取的效率，最后會(huì)形成帶有標(biāo)注句子的序列。

可以設(shè)置一些符號(hào)當(dāng)做拆分符，這樣就可以得到具體句子的序列。根據(jù)每個(gè)不同句子，對(duì)具體單詞的詞性進(jìn)行標(biāo)注，句子的序列標(biāo)號(hào)在文本被可以借助SN=1、2、3進(jìn)行標(biāo)示。

3.3 詞法的分析

按照詞條的相關(guān)規(guī)則與專業(yè)的詞庫，對(duì)詞條的句法、詞法與語義的信息等進(jìn)行標(biāo)注。首先在專業(yè)的詞庫內(nèi)進(jìn)行搜索和匹配，如果沒有匹配項(xiàng)，再去詞條庫進(jìn)行搜索。在這里需要注意一點(diǎn)，對(duì)信息進(jìn)行抽取時(shí)需要時(shí)特定領(lǐng)域內(nèi)特定的信息，講究準(zhǔn)確性，所以并不是完全自然語言處理的過程，需要盡量應(yīng)用相關(guān)領(lǐng)域的知識(shí)。如果專業(yè)的詞庫內(nèi)有信息，就可以直接對(duì)其進(jìn)行標(biāo)注，不必根據(jù)單詞詞法匹配的規(guī)則進(jìn)行再次匹配。

3.4 對(duì)模式進(jìn)行匹配

在一些特定的領(lǐng)域內(nèi)，知識(shí)庫的完善對(duì)信息收取有很大幫助，可以建立以下知識(shí)庫：第一，命名實(shí)體的規(guī)則，命名實(shí)體主要指真實(shí)存在的抽象或者具體的實(shí)體，比如地點(diǎn)、人和公司等，一般都有唯一標(biāo)識(shí)的符號(hào)進(jìn)行表示，這是文本內(nèi)基本的元素。要按照領(lǐng)域內(nèi)的知識(shí)建立命名實(shí)體的規(guī)則系統(tǒng)，在這里存儲(chǔ)大量領(lǐng)域內(nèi)或者和領(lǐng)域有關(guān)的實(shí)體。第二，概念的層次庫。需要建立概念的層次庫，以便使所得信息的結(jié)果變的更加精確。第三，共指關(guān)系的規(guī)則，通常，我我們所關(guān)心的關(guān)系和實(shí)踐都在文本內(nèi)不同的位置中散布，其中，涉及實(shí)體一般都很多不同的方式進(jìn)表達(dá)，而且有很多和事實(shí)有關(guān)的信息在文本內(nèi)隱藏。為了能夠全部且準(zhǔn)確的抽取出文本內(nèi)的信息，信息抽取系統(tǒng)需要對(duì)文本內(nèi)共指關(guān)系進(jìn)行識(shí)別，并進(jìn)行一些必要推理，然后進(jìn)行合并，對(duì)相同的實(shí)體或者事件信息的片段進(jìn)行描述。共指關(guān)系的規(guī)則內(nèi)定義命名實(shí)體多種不同表達(dá)的方式，還對(duì)指代關(guān)系識(shí)別的方式有所規(guī)定，對(duì)指代的關(guān)系進(jìn)行識(shí)別遵守鄰近進(jìn)行匹配原則。

3.5 機(jī)器的翻譯

因?yàn)槲覀兂槿〉男畔⑹怯⑽牡奈谋?，因此最后所得?shù)據(jù)庫內(nèi)也是英文的信息，這就就需要接入相關(guān)翻譯的系統(tǒng)，然后得出我們所需的結(jié)果。

4 結(jié)語

綜上所述，信息抽取技術(shù)在情報(bào)監(jiān)測內(nèi)的應(yīng)用具有重要的意義，可以使抽取信息的速度得到加快，更加直觀?？焖俚恼宫F(xiàn)所需信息，提高總體的效率。隨著社會(huì)的發(fā)展，其精度也在不斷提高，層次不段深化，使用的范圍也在不斷擴(kuò)大，因此，需要引起相關(guān)人員的重視，不斷對(duì)其進(jìn)行改進(jìn)和完善，切實(shí)發(fā)揮出信息抽取技術(shù)在情報(bào)監(jiān)測領(lǐng)域的價(jià)值，促進(jìn)情報(bào)監(jiān)測領(lǐng)域的發(fā)展。

參考文獻(xiàn)

[1]李濤，李銀勝，柴躍廷.一種產(chǎn)品情報(bào)的在線檢索和智能分析方法與系統(tǒng)：CN，CN 101866340 A[P].2010.

[2]劉劍蘭，朱東華.信息抽取技術(shù)在情報(bào)監(jiān)測中的應(yīng)用[J].情報(bào)學(xué)報(bào)，2004，23（6）：661-666.

[3]冷伏海，白如江，祝清松.面向科技文獻(xiàn)的混合語義信息抽取方法研究[J].圖書情報(bào)工作，2013，57（11）：112-119.

[4]鄭彥寧，鄧擘.信息抽取技術(shù)在情報(bào)學(xué)中的應(yīng)用分析[J].情報(bào)理論與實(shí)踐，2008，31（5）：769-772.