计算语言学讲义(11赵军)信息提取和问答系统.pdf

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