为什么要进行信息抽取：
从非结构化的文本中抽取出一些非常重要的、关键的、人们关心的数据 。核心店：挖实体+实体间的关系
三元组表示（属于知识图谱范围）：
信息抽取为什么这么重要？1、问答系统。2、扩充原有的知识库。3、用于法律、金融领域
一些关系展示：
; Ontological Relation
IS-A
Instance-of
例如：
开源的知识库：
关系抽取方法介绍：
基于规则的方法
例如：提取IS-A关系。
规则集：{X is a Y 、Y(such as)X 、Y including X、 Y,especially X 、X or other Y …} 该规则集都是X-Y，同时我们可以将抽取的结果放入到数据库中。
但是此方法有局限性，比如：掺杂一些不想要的信息，原因：没有细化规则；可以找出来的两对实体会造成异常值，解决办法：在规则集中定义X和Y的类别，如下图所示：
这样改进的好处：1、提升挖掘结果准确率；2、可以只返回想要的结果；
规则集好处：1、比较准确；2、不需要训练数据（当数据量比较少的时候）
规则集缺点：1、low record rate，因为人的思维有限，有时候会漏掉很多规则 ，导致大量实体没有被覆盖上；2、涉及到大量人力成本3、规则本身难设计
; 基于监督的方法
1、定义关系类型
2、定义出所有的实体类型
3、训练数据准备
- 实体标记（类型）
- 实体之间关系
重点内容：特征工程
例子：
American Airline, a unit of AMR, immediately match the move, spokenman Tim Wanger said;
分类算法（特征 （American Ariline, TIm Wanger））
特征工程：
1、bag-of-word（跟单词相关的特征）：American Airline。Tim Wanger，
2、pos feature（跟词性相关的特征）：名词、名词、动词
3、实体类别：ORG（American Airline） ，PER（Tim Wanger）
4、位置相关信息：两个实体之间包含了多少个单词？这句话再本文里的位置是什么？
5、句法分析相关特征：两个节点之间最短路径、路径经过哪些节点？
6、依存文法相关： 用语法树进行分析
关系抽取
bootstrap算法
第一步：生成规则
第二步：利用规则生成三元组
此算法是生成规则-生成三元组
缺点：人力成本高、规则多容易繁琐、数据量大的时候运行时间特别长，规则不太好写。
Original: https://blog.csdn.net/qq_38851184/article/details/114290881
Author: 九久呀
Title: 信息抽取简介
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/594730/
转载文章受原作者版权保护。转载请注明原作者出处！