实体识别与关系抽取

实体是知识图谱的基本单元，也是文中承载信息的重要语言，实体识别是识别出文中实体的命名性指称项。
实体识别的主要难点在于：命名形式多变、命名实体的语言环境复杂。
实体识别的方法：

基于规则的识别方法

特点：准确率高，接近人类的思考方式**，但成本昂贵规则的制定主要依赖领域专家**。

基于机器学习的识别方法-基于特征的方法

代表性方法有CRF方法

为训练CRF，首先定义特征函数集合，对于特征函数的定义可以考虑上下文词汇和词性特征。在CRG模型训练过程中，当定义好特征函数集合后就需要估计模型参数，根据训练集估计每个特征函数的权重，lambda,采用极大似然估计， 训练完CRG模型后使用$viterbi$算法，寻找网络中最大概率的路径来确定输出命名实体标记。

基于机器学习识别方法-神经网络捕获特征

一般步骤：特征表示，将文字符号特征表示为分布式特征信息。
模型训练：利用标注数据，优化网络参数，训练网咯模型。
模型分类，进而完成实体识别，经典模型是lample2016年提出的基于$LSTM+CRF$的模型。

实体消歧

基于聚类的实体消歧方法，和基于实体连接的实体消歧方法，计算实体与实体，实体与文本，文本与文本之间的相似度都是核心问题。传统的方法主要利用自然语言处理来抽取词性，依存句法等特征。扩展性差表示能力不足，近年来，用深度学习方法缓解上述问题。

• 基于神经网络的实体消歧方法，基于整篇文档作为输入，利用DNN通过预训练得到文档和实体的表示的微调，进而完成实体消歧。基于CNN的模型文本表示时使用词向量拼接了位置特征。

关系抽取

关系抽取定义为两个或多个实体之间的联系，关系抽取都是自动识别实体之间的某种语义关系，根据数据源不同，关系抽取分为三类，

• a:面向结构化文本的关系抽取。
• 面向非结构化文本的抽取。
• 面向半结构化文本抽取。

根据抽取范围不同

句子级别关系抽取。

语料或篇章级的关系抽取。

基于神经网络关系抽取的一般步骤是：

• 特征表示：将纯文本的特征表示为分布式特征表示。
• 神经网络的构建和高层特征表示。
• 模型训练，利用标注数据优化网络参数。
• 模型分类：利用训练的模型，对新样本进行分类，进而完成关系抽取。
  Zheng2014年用卷积神经网络的方式，提取特征包括词汇级别的特征和句子级别的特征。并将它们进行拼接，传统的有监督关系抽取的方法需要依赖人工标注的数据，限制了算法的使用领域。而带有标注的文本通常是稀缺资源，出现了距离监督的方法。Zeng给出了分段卷积神经网络构造，抽取文本的特征。由于Zeng只利用了包中一个句子信息，Lin,Ji等提出利用句子级别的关注机制来自动捕获不同句子的重要程度，自动获取有用的句子，过滤掉噪声句子，也有人在此基础上提出了利用更多背景知识来提升模型的性能。后面改进是首先是基于双向RNN，然后有人提出带有注意力机制的BLSTM网络模型（Att-BLSTM）解决基于CNN模型中不能捕捉长距离语义信息的不足的问题，以及双向RNN的梯度消失问题。

经验

慢慢的将实体识别与关系识别大致了解以下，将其掌握透彻，研究深入。