hanlp关系抽取工具关系抽取标注

转载

晨曦微露s 2024-01-03 09:04:04

文章标签 hanlp关系抽取工具知识图谱 nlp 数据结构化 文章分类 NLP 人工智能

关系抽取

实体之间的关系是知识图谱中不可或缺的部分，不同的关系将独立的实体连接。关系抽取是文本内容理解的重要支撑技术，能够将文本分析从语言层面提升到内容层面，对于问答系统、智能客服、聊天机器人、语义搜索等应用都十分重要。

任务概述

任务定义
定义为两个或多个实体之间的某种联系。
任务分类
关系抽取分为以下三种：

面向结构化文本的关系抽取
结构数据包括表格数据，XML文档以及数据库数据等，这类数据具有良好的布局结构，可以编写模板进行抽取。
面向非结构haul文本的关系抽取
纯文本，但是由于自然语言表达的多样性、灵活性，实体关系在文本中找不到明确的标识。准确率比较低。
面向半结构化文本抽取
布局有一定规律，但是也有多样性，需要用模板进行自动学习。
根据抽取文本的范围不同，可分为
句子级关系抽取
从句中判断两个实体之间的关系
语料集关系抽取
两个实体之间是否存在某种语义关系，而不必限定两个目标实体所在的上下文。
根据领域不同，分为：
限定领域抽取
在一个或多个限定的领域内对实体间语义关系进行抽取
开发领域抽取
不限定关系类别

任务难点

同一个关系可以具有多种不同的词汇表发方法。如姚明出生于上海和姚明出生地在上海都表达了出生地的关系。
同一个短语或词可能表达不同的关系。如李梅是我的姑娘。代表了不同的关系，可以是女朋友也可以是女儿。
同一对实体之间可能存在不止一种关系。如姚明的出生地在上海，居住地也在上海。
关系抽取不仅涉及到两个或两个以上的实体单元，还涉及到周围的上下文。例如三国时期，蜀国有多位能征善战的将军，如关羽，张飞，赵云等
关系有时在文本中找不到任何明确的标识，隐含在文本中。如库克与中国移动面谈，透露出他将带领苹果进一步拓展中国市场的讯号。没有说库克和苹果公司的关系，但是从带领苹果公司来说，推断库克是苹果的执行官。
关系抽取一般依赖于词法，句法等基本的自然语言处理工具。但是性能不高，低性能工具引入错误。

限定域关系抽取

在一个或者多个限定的领域内判别文本中所出现的实体指称之间是何种语义关系，且待判别的语义关系是预定义的。

常作为一个分类任务。即输入一个句子以及标识句子中所出现的实体指称的条件下，系统将其分类到所属的语义类别上。

基于模板的关系抽取方法

通过人工编辑或者学习到的模板对文本中的实体关系进行抽取和判别
如：
X is acquired by Y
X is purchased by Y
X is bought by Y
表示收购。当一个句子中所出现的实体指称的上下文文本满足上述模板时，则认为具有这种关系。
但是人不可能针对多类关系穷举所有的模板，需要用自动化的方法。