地理领域文本蕴含着丰富的非结构化地理实体和关系,完善的地理实体关系抽取技术对地理知识图谱的构建至关重要。由于地理领域内标注语料资源较少,难以运用深度学习等依赖大规模语料的方法,而基于领域适应的迁移学习方法,可以将其他领域与地理领域的知识迁移到同一特征空间中,利用其他领域丰富的语料增强对地理领域的学习效果以缓解语料不足问题。因此本文针对地理领域非结构化文本,使用基于领域适应的迁移学习方法进行实体关系抽取研究。领域适应过程包括数据特征的边缘和条件概率分布对齐,使分布接近一致则代表领域适应能力达到最优,为此需要定量地计算并平衡以上两种分布在适应过程中的相对重要性,以避免某一概率分布过度适应或欠适应。对上述问题,本文提出了地理领域的实体关系类型体系,以自动化的标注方法构建地理语料库,并提出概率分布自适应的迁移学习方法提高地理领域关系抽取效果。论文主要的研究和工作内容包括以下几个部分:1)分析构建了地理领域的实体关系类型,提出基于Trie树的自动标注方法,构建实体关系抽取数据集。由于公开数据集的关系类型体系不适用于地理领域,本文分析并总结现今公开的关系抽取数据集的关系类型特点,基于地理领域的文本特征构建了包含十种类型的地理关系类型体系;Trie树算法常用于字符串匹配和分词系统中,本文基于Trie树算法,采用远程监督假设,提出了实体关系抽取数据集的自动化标注算法,相比朴素匹配法,提高了2.5倍的标注速率。2)基于注意力机制Bi-LSTM模型,构建了高级特征层的领域适应迁移方法,通过降低特征层之间的最大均值差异融合两领域知识。本文将关系抽取任务定义为有监督的关系分类问题,输入特征包括字向量和字位置特征,避免了分词误差传播并减少了先验知识的引入。高级特征的获取由结合注意力机制的双向长短期记忆神经网络(Bi-LSTM)完成,可以有效表示文本序列中的前后依赖关系。为了将开放领域知识迁移到地理领域内,基于高级特征层提出了领域适应迁移学习方法,通过最小化两个领域高级特征层之间的最大均值差异(MMD),将开放领域与地理领域的特征空间进行适应,同时学习了两个领域中的特征,实验表明该方法提升了地理领域的关系抽取效果。3)提出了针对概率分布适应权重的估计方法,自适应地调整边缘和条件概率分布分布在适应过程中的学习权重,提升领域适应能力。为了使领域适应后边缘和条件概率分布均能接近同分布状态,本文基于A-distance度量方法估计了两种分布在适应过程中的相对重要性,通过权重的自适应调整方法,加强概率分布差异较大时的领域适应程度,减少概率分布差异较小情况下的过度适应,避免了人工调参。由于条件概率分布的计算较为复杂,本文采用了目标领域伪标签的生成方法,计算了类条件概率分布的充分统计量获取近似值,降低计算复杂度;同时针对MMD时间复杂度过高的问题,采用线性时间复杂度的无偏估计方法计算,提升了领域适应迁移的计算效率。最终实验表明概率分布自适应方法达到了较好的效果。