- 1、本文档共142页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
计算语言学讲义(11赵军)信息提取和问答系统
信息提取和问答式检索
赵军
jzhao@
中国科学院自动化研究所
模式识别国家重点实验室
2007-5-31
中国科学院研究生院
信息提取
中国科学院研究生院
研究背景
互联网迅速普及和发展
信息资源极大丰富
但“信息过载” 问题日趋严重
迫切需要快速、准确获取信息的技术手段
信息抽取技术应运而生
信息抽取-文本信息抽取
自然语言文本信息抽取——
中国科学院研究生院
文本信息检索可以做什么
查找同 “恐怖袭
查找同 “恐怖袭
击”相关的文档
击”相关的文档
文本信息检索
互联网文档集
中国科学院研究生院
文本信息检索不能做什么
根据恐怖袭击相关的文
根据恐怖袭击相关的文
档列出某日发生的恐怖
档列出某日发生的恐怖
事件
事件
将恐怖袭击事件按照发
将恐怖袭击事件按照发
生地点进行归类
生地点进行归类
需要文本信息抽取技术做支撑!
中国科学院研究生院
信息抽取概念
信息抽取定义[Grishman, 1997]
从自然语言文本中抽取指定类型的实体、关系、事件等事实信息,
并形成结构化数据输出的文本处理技术。
最常见的信息抽取表现形式--模板填充
用户定义:模板或者数据库规则
输入:非结构化自然语言文本
输出:从文本中抽取相关字符串填充模板
中国科学院研究生院
信息抽取模板填充示例
据美联社消息,当地时间7月7
日清晨,英国伦敦金融中心的
地铁发生6次爆炸,其中还包
括一辆满载乘客的双层公共汽
车。由于事发当时处于上班的
高峰时期,造成了大量人员伤
亡。据初步统计的数字,多起
爆炸已至少造成45人死亡、
约1000人受伤。
中国科学院研究生院
信息抽取模板填充示例
据美联社消息,当地时间7月7
日清晨,英国伦敦金融中心的
地铁发生6次爆炸,其中还包
类型 地点 时间 死亡人 受伤人
括一辆满载乘客的双层公共汽 数 数
信息抽取 爆炸 英国伦 当地时 45人 约1000
车。由于事发当时处于上班的 敦金融 间7月7 人
中心的 日清晨
高峰时期,造成了大量人员伤 地铁
亡。据初步统计的数字,多起
爆炸已至少造成 45人死亡、
约1000人受伤。
中国科学院研究生院
信息提取的意义
对传统信息检索结果的进一步加工、精化,抽取指定的信息,
以用户满意的方式输出,将传统信息检索系统转变为智能化系
统,真正实现“所得
文档评论(0)