知识图谱中属性和关系的区别主要是在于其面对的实体不同。
为了方便计算机的处理和理解，知识图谱使用了更加形式化、简洁化的方式去表示知识，就是三元组（triple）。
“姚明出生于中国上海” 可以用三元组表示为(Yao Ming, PlaceOfBirth, Shanghai)。
这里我们可以简单的把三元组理解为(实体entity,实体关系relation,实体entity)。如果我们把实体看作是结点，把实体关系（包括属性，类别等等）看作是一条边，那么包含了大量三元组的知识库就成为了一个庞大的知识图。
实体关系分为两种，一种是属性property，一种是关系relation。其最大区别在于，属性所在的三元组对应的两个实体，常常是一个topic和一个字符串，如属性Type/Gender，对应的三元组（Justin Bieber, Type, Person），而关系所在的三元组所对应的两个实体，常常是两个topic。如关系PlaceOfBrith，对应的三元组（Justin Bieber, PlaceOfBrith, London）。、
属性提取这个名词感觉更偏业务。 比如描述一件商品，”某某衣服面料质地粗糙”，面料质量就是衣服的属性，质地粗糙就是属性值。又比如”你看你作死的样，这里的属性其实就隐藏掉了，属性应该是指人的行为。
命名实体识别，是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等，以及时间、数量、货币、比例数值等文字的识别抽取。 这个词语更加面向于技术。
所以，属性提取可以用到命名识别的方法来去做，也可以用其他的方法，例如规则匹配。
二手属性抽取在NLP领域属于信息抽取（Information Extraction）问题，通常的做法是拆解为命名实体识别（NER）任务和文本分类（Text Classification）任务。
其实用英文表述，两者的区别就很清晰了。属性->data properties，举个例子：张三的年龄是二十四，”年龄”就是属性。关系->object properties，举个例子：张三的爸爸是张二，”爸爸”就是关系。关系用于刻画实体和实体之间的联系，属性是实体的固有特性。
从定义的角度，关系的的两端是实体，属性的两端是实体和实体描述（属性值）。
从应用的角度，个人觉得都差不多，如果属性值哪天被定义成了一个实体，属性也就变成个关系。
Original: https://blog.csdn.net/qq_15821487/article/details/121860494
Author: 愚昧之山绝望之谷开悟之坡
Title: 关系抽取标签制作属性抽取和关系抽取，都可以用三元组来描述
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/531630/
转载文章受原作者版权保护。转载请注明原作者出处！