ccml2015分組報告室4上午2太原理工

命名實體關系抽取研究報告人：

徐

慶學校： 太原理工大學研究內容研究現(xiàn)狀研究方法實驗方案實驗結果報

告

內

容一、研究內容實體關系抽取定義從文本中抽取出特定的實體之間的關系一、研究內容例子：“記者滯留在機場”實體1：“記者”人物(PER)實體2：“機場”設施(FAC)關系：位于關系(Located)?即“記者”位于“機場”一、研究內容二、研究現(xiàn)狀傳統(tǒng)的關系抽取基于模式匹配的方法基于詞典驅動的方法基于機器學習的方法二、研究現(xiàn)狀基于模式匹配的方法運用語言學知識，構造出若干基于詞語、基于詞性或基于語義的模式集合進行關系抽取時,將經(jīng)過預處理的語句片段與模式集合中的模式進行匹配二、研究現(xiàn)狀例子：“習近平是中國的最高領導人”關系模式描述：Person

是…organization

的…關系：人-社會組織(PER-SOC)二、研究現(xiàn)狀缺點：關系模式建立困難需要語言學家對某領域窮舉各種可能的關系表達，手工編制關系模式周期太長，應用成本很高當應用于新領域時需要重新建立關系模式二、研究現(xiàn)狀基于詞典驅動的方法新的關系類型能夠僅僅通過向詞典添加對應的動詞入口而被抽取靈活，耗費努力最小的情況下能夠抽取盡可能多類型的關系，準確率高二、研究現(xiàn)狀例子：愛迪生發(fā)明了電燈泡通過“發(fā)明”可以確定“愛迪生”和“電燈泡”的制造使用關系（ART）二、研究現(xiàn)狀缺點：只能識別以動詞為中心詞的關系,而對于名詞同位語之類的關系抽取很難實現(xiàn)二、研究現(xiàn)狀基于機器學習的方法將關系抽取看作是一個分類問題，通過具體的學習算法，在人工標注語料的基礎上構造分類器擺脫了語言學家，不受關系的詞性限制缺點：需要人工標注的語料二、研究現(xiàn)狀基于機器學習的方法（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關系樣例進行特征提取并表示為特征向量，然后通過機器學習的方法來學習訓練關系實例缺點：因為特征向量長度必須固定，所以無法加入句法信息二、研究現(xiàn)狀（2）基于核函數(shù)的方法使用語法樹的形式表示實體關系，通過核函數(shù)計算關系之間的距離缺點：訓練預測速度相對慢二、研究現(xiàn)狀開放域的關系抽取秦兵提出了使用實體之間的距離限制和關系指示詞的位置限制獲取候選關系三元組的開放式抽取方法二、研究現(xiàn)狀“…記者滯留在機場…”的最短路徑依存樹IPNN記者NP

VPE1

VV滯留在P

NPE2NN機場PP二、研究現(xiàn)狀實體詞實體小類實體大類提及類型記者機場entityE1

E2typeTP1

TP2PER

FACsubtypeST1

ST2Group

Airportmention

typeMT1

MT2NOM

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

NPE2NN機場PP記者entityE1

E2機場IPtype

subtypeTP1

TP2

ST1

ST2PER

FAC

Group

Airportmention

typeMT1

MT2NOM

NOMROOT二、研究現(xiàn)狀樹核函數(shù)的基本原理NPNDdogaNPNDdogaNPNDaNPNDdogNPNDNDdogaNPNDcataNPNDcataNPNDaNPNDcatNPNDNDcata二、研究現(xiàn)狀樹核函數(shù)的基本原理NPNDdogaNPNDaNPNDDaNPNDcataNPNDaNPNDDa三、研究方法兩種表示實體詞相似度的特征《同義詞詞林》編碼樹實體詞語義相似度樹三、研究方法《同義詞詞林》是一部漢語分類詞典，其中每一條詞語都用一個編碼來表示其語義類別，共包括12個大類，94個中類，1428個小類。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=”對應的《同義詞詞林》編碼樹三、研究方法將編碼樹加入到語法樹的根節(jié)點下三、研究方法基于《同義詞詞林》的詞匯語義相似度計算如果在第一層分支，也就是說兩個詞不在同一棵樹上Sim(

A,

B)

=

0.1三、研究方法如果兩個詞在同一棵樹上Sim(

A,

B)

=

m

·(m

+

(1

-

m)

·

n

-

k

)n其中n為分支層的節(jié)點總數(shù)，k為兩個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、研究方法實體詞語義相似度樹舉例三、研究方法加入實體詞相似度樹的關系大類實例三、研究方法加入實體詞相似度樹的關系小類實例四、實驗方案若在《同義詞詞林》中找不到實體詞，則分詞后再查找若還找不到，則不添加本文提出的特征四、實驗方案ACE2005中文語料哈工大語言云（LTP）Stanford

ParserSVM-LIGHT-TK

1.2語料：分詞工具：句法分析工具：分類器：五倍交叉驗證四、實驗方案實驗評價除了采用常用的P、R、F以外，還使用F%和TFF%：F值與相應的關系類型中實例個數(shù)在全體實例所占的百分比的乘積TF：各個關系類型的F%相加之和，能夠反映某種特征的總體性能五、實驗結果單一特征的實驗結果TF關系大類關系小類實體類型信息83.284.9《詞林》編碼68.877.4《詞林》編碼樹73.581.2