斯坦福NLP笔记47 —— What is Relation Extraction?

关系抽取的概念

假如有这样一个raw text：小明今年26岁，出生于日本北海道，身高180cm，相貌颇似金城武，外企高级白领，年净收入100万，爱好打篮球，但是喜欢男的。

关系抽取结果如下：

小明{

年龄：26

家乡：北海道

身高：180

帅否：帅

年收入：100万

爱好：篮球

性向：男

}

我们也可以用三元组的形式表达，如：

年龄（小明，26）

家乡（小明，南通）这样，看视频中的例子：

这里company-founding是一个实体，这个实体有company、location等几样关系，其实也就是属性的意思，triples的意思就是把这些关系用三元组的形式表达，譬如founding-year(IBM,1911)就表示Ibm的founding-year是1911年。

为什么需要抽取关系？

信息结构化、做问答系统等

应该抽取哪些关系？

ACE定义了17种关系，社会关系、从属关系、物理关系等，分别是：

几种关系的举例如下：

在不同的应用中，关系的定义自然不同，譬如在医药领域，UMLS定义了134中实体类型和54中关系类型，举例如下：

上面的这些词很多都是托福词汇，后两项的意思就是某些药能导致你身体出毛病，某些药又能治你的毛病。

应用UMLS抽取的一个例子：

后面也说到，这里的这个diagnose被称为predicate，就是谓语的意思。

来自维基百科的一些信息抽取

• 维基百科有一个叫做info box的东西，把信息都结构化好了给你

• dbpedia这样一个库就从维基百科上面搞下了十亿的数据

• freebase上面也有关系信息

  
  

实体关系

实体关系分两种：

1. 谁是谁的子集

2. 谁是谁的实例
   

类似于类继承与类对象的意思，看例子：

如果是小明的那个例子就是：

• 小明 IS-A 外企高级白领 IS-A 白领 IS-A 人

• 小明 instance-of 高富帅 

怎样建立一个抽取器

1. 手工选取模式

2. 监督学习

3. 半监督学习或无监督学习