ccml2015分組報(bào)告室4上午2太原理工

命名實(shí)體關(guān)系抽取研究報(bào)告人：

徐

慶學(xué)校： 太原理工大學(xué)研究?jī)?nèi)容研究現(xiàn)狀研究方法實(shí)驗(yàn)方案實(shí)驗(yàn)結(jié)果報(bào)

告

內(nèi)

容一、研究?jī)?nèi)容實(shí)體關(guān)系抽取定義從文本中抽取出特定的實(shí)體之間的關(guān)系一、研究?jī)?nèi)容例子：“記者滯留在機(jī)場(chǎng)”實(shí)體1：“記者”人物(PER)實(shí)體2：“機(jī)場(chǎng)”設(shè)施(FAC)關(guān)系：位于關(guān)系(Located)?即“記者”位于“機(jī)場(chǎng)”一、研究?jī)?nèi)容二、研究現(xiàn)狀傳統(tǒng)的關(guān)系抽取基于模式匹配的方法基于詞典驅(qū)動(dòng)的方法基于機(jī)器學(xué)習(xí)的方法二、研究現(xiàn)狀基于模式匹配的方法運(yùn)用語(yǔ)言學(xué)知識(shí)，構(gòu)造出若干基于詞語(yǔ)、基于詞性或基于語(yǔ)義的模式集合進(jìn)行關(guān)系抽取時(shí),將經(jīng)過(guò)預(yù)處理的語(yǔ)句片段與模式集合中的模式進(jìn)行匹配二、研究現(xiàn)狀例子：“習(xí)近平是中國(guó)的最高領(lǐng)導(dǎo)人”關(guān)系模式描述：Person

是…organization

的…關(guān)系：人-社會(huì)組織(PER-SOC)二、研究現(xiàn)狀缺點(diǎn)：關(guān)系模式建立困難需要語(yǔ)言學(xué)家對(duì)某領(lǐng)域窮舉各種可能的關(guān)系表達(dá)，手工編制關(guān)系模式周期太長(zhǎng)，應(yīng)用成本很高當(dāng)應(yīng)用于新領(lǐng)域時(shí)需要重新建立關(guān)系模式二、研究現(xiàn)狀基于詞典驅(qū)動(dòng)的方法新的關(guān)系類(lèi)型能夠僅僅通過(guò)向詞典添加對(duì)應(yīng)的動(dòng)詞入口而被抽取靈活，耗費(fèi)努力最小的情況下能夠抽取盡可能多類(lèi)型的關(guān)系，準(zhǔn)確率高二、研究現(xiàn)狀例子：愛(ài)迪生發(fā)明了電燈泡通過(guò)“發(fā)明”可以確定“愛(ài)迪生”和“電燈泡”的制造使用關(guān)系（ART）二、研究現(xiàn)狀缺點(diǎn)：只能識(shí)別以動(dòng)詞為中心詞的關(guān)系,而對(duì)于名詞同位語(yǔ)之類(lèi)的關(guān)系抽取很難實(shí)現(xiàn)二、研究現(xiàn)狀基于機(jī)器學(xué)習(xí)的方法將關(guān)系抽取看作是一個(gè)分類(lèi)問(wèn)題，通過(guò)具體的學(xué)習(xí)算法，在人工標(biāo)注語(yǔ)料的基礎(chǔ)上構(gòu)造分類(lèi)器擺脫了語(yǔ)言學(xué)家，不受關(guān)系的詞性限制缺點(diǎn)：需要人工標(biāo)注的語(yǔ)料二、研究現(xiàn)狀基于機(jī)器學(xué)習(xí)的方法（1）基于特征向量的方法（2）基于核函數(shù)的方法二、研究現(xiàn)狀（1）基于特征向量的方法對(duì)關(guān)系樣例進(jìn)行特征提取并表示為特征向量，然后通過(guò)機(jī)器學(xué)習(xí)的方法來(lái)學(xué)習(xí)訓(xùn)練關(guān)系實(shí)例缺點(diǎn)：因?yàn)樘卣飨蛄块L(zhǎng)度必須固定，所以無(wú)法加入句法信息二、研究現(xiàn)狀（2）基于核函數(shù)的方法使用語(yǔ)法樹(shù)的形式表示實(shí)體關(guān)系，通過(guò)核函數(shù)計(jì)算關(guān)系之間的距離缺點(diǎn)：訓(xùn)練預(yù)測(cè)速度相對(duì)慢二、研究現(xiàn)狀開(kāi)放域的關(guān)系抽取秦兵提出了使用實(shí)體之間的距離限制和關(guān)系指示詞的位置限制獲取候選關(guān)系三元組的開(kāi)放式抽取方法二、研究現(xiàn)狀“…記者滯留在機(jī)場(chǎng)…”的最短路徑依存樹(shù)IPNN記者NP

VPE1

VV滯留在P

NPE2NN機(jī)場(chǎng)PP二、研究現(xiàn)狀實(shí)體詞實(shí)體小類(lèi)實(shí)體大類(lèi)提及類(lèi)型記者機(jī)場(chǎng)entityE1

E2typeTP1

TP2PER

FACsubtypeST1

ST2Group

Airportmention

typeMT1

MT2NOM

NOM二、研究現(xiàn)狀包含全特征的語(yǔ)法樹(shù)IPNPE1NN記者VPVV滯留在P

NPE2NN機(jī)場(chǎng)PP記者entityE1

E2機(jī)場(chǎng)IPtype

subtypeTP1

TP2

ST1

ST2PER

FAC

Group

Airportmention

typeMT1

MT2NOM

NOMROOT二、研究現(xiàn)狀樹(shù)核函數(shù)的基本原理NPNDdogaNPNDdogaNPNDaNPNDdogNPNDNDdogaNPNDcataNPNDcataNPNDaNPNDcatNPNDNDcata二、研究現(xiàn)狀樹(shù)核函數(shù)的基本原理NPNDdogaNPNDaNPNDDaNPNDcataNPNDaNPNDDa三、研究方法兩種表示實(shí)體詞相似度的特征《同義詞詞林》編碼樹(shù)實(shí)體詞語(yǔ)義相似度樹(shù)三、研究方法《同義詞詞林》是一部漢語(yǔ)分類(lèi)詞典，其中每一條詞語(yǔ)都用一個(gè)編碼來(lái)表示其語(yǔ)義類(lèi)別，共包括12個(gè)大類(lèi)，94個(gè)中類(lèi)，1428個(gè)小類(lèi)。三、研究方法“公園”的編碼為“Bn20A01=”三、研究方法“傷者”編碼“Ag02A01=”和“醫(yī)院”編碼

“Dm06A03=”對(duì)應(yīng)的《同義詞詞林》編碼樹(shù)三、研究方法將編碼樹(shù)加入到語(yǔ)法樹(shù)的根節(jié)點(diǎn)下三、研究方法基于《同義詞詞林》的詞匯語(yǔ)義相似度計(jì)算如果在第一層分支，也就是說(shuō)兩個(gè)詞不在同一棵樹(shù)上Sim(

A,

B)

=

0.1三、研究方法如果兩個(gè)詞在同一棵樹(shù)上Sim(

A,

B)

=

m

·(m

+

(1

-

m)

·

n

-

k

)n其中n為分支層的節(jié)點(diǎn)總數(shù)，k為兩個(gè)分支在同一層的距離，m隨著分支所在層的變化而變化，分別取第二層0.65，第三層0.8，第四層0.9，第五層0.96三、研究方法實(shí)體詞語(yǔ)義相似度樹(shù)舉例三、研究方法加入實(shí)體詞相似度樹(shù)的關(guān)系大類(lèi)實(shí)例三、研究方法加入實(shí)體詞相似度樹(shù)的關(guān)系小類(lèi)實(shí)例四、實(shí)驗(yàn)方案若在《同義詞詞林》中找不到實(shí)體詞，則分詞后再查找若還找不到，則不添加本文提出的特征四、實(shí)驗(yàn)方案ACE2005中文語(yǔ)料哈工大語(yǔ)言云（LTP）Stanford

ParserSVM-LIGHT-TK

1.2語(yǔ)料：分詞工具：句法分析工具：分類(lèi)器：五倍交叉驗(yàn)證四、實(shí)驗(yàn)方案實(shí)驗(yàn)評(píng)價(jià)除了采用常用的P、R、F以外，還使用F%和TFF%：F值與相應(yīng)的關(guān)系類(lèi)型中實(shí)例個(gè)數(shù)在全體實(shí)例所占的百分比的乘積TF：各個(gè)關(guān)系類(lèi)型的F%相加之和，能夠反映某種特征的總體性能五、實(shí)驗(yàn)結(jié)果單一特征的實(shí)驗(yàn)結(jié)果TF關(guān)系大類(lèi)關(guān)系小類(lèi)實(shí)體類(lèi)型信息83.284.9《詞林》編碼68.877.4《詞林》編碼樹(shù)73.581.2