信息抽取第5章详解.pptx

第5章 基于规则的信息抽取 5.1 原理 5.2 规则的建立 5.3 规则抽取系统 5.4 自由文本规则抽取系统讨论 5.5 规则抽取系统比较 5.6 规则抽取的困难 1 5.1 原理 基于规则的信息抽取分为信息抽取规则的学习（关键）和应用规则获取目标信息两个阶段。 信息抽取规则主要用于指明构成目标信息的上下文约束环境，如 CIRCUS 系统的抽取规则为概念节点，每个概念节点主要由触发词、激活条件（指定必须满足的语言模式）、硬性约束（强制性的语义约束）、软性约束（语义限制，可以违背）和目标信息位置这几项构成。 概念节点成为后面的 AutoSlog、CRYSTAL、AutoSlog-TS 等系统的通用性规则。 2 5.1 原理 由于规则较为集中地体现了领域知识和语言知识的融合，所以其构建过程即为知识的获取过程。根据手工参与程度的不同，规则的构建可分为三种类型：知识的手工编制、知识的半自动获取和知识的自动获取。 3 5.1 原理 1. 知识的手工编制 早期的信息抽取系统大多依赖于手工编制。如在MUC-3上使用的 CIRCUS 系统，所使用的三个知识库（即词典、案例框架和篇章分析规则库）都是用手工进行编制的。 手工编制：具有专门知识的人员、费时、容易出错、产生疏漏、代价较高、难以达到很高的语言覆盖面、可移植性差。 4 5.1 原理 2.知识的半自动获取 AutoSlog 系统需要用手工标注训练数据，并设置启发式搜索规则以获取锚点； PALKA 需要手工定义的框架、语义层次和相关的词典； CRYSTAL 除了要有手工标注数据，还要有语义层次和相关的词典； LIEP 则使用预先定义的关键词和对象识别器，依赖于用户的交互，给相关的语句分配事件类型。 共同点：依赖手工标注过的数据或通过与用户的交互过程，利用加工过的语料，学习语言的模式规则，是一种较为典型的机器辅助式知识获取。 5 5.1 原理 规则的学习主要有两种方式：一是由概括性规则开始，通过实例的学习获取规则，是从一般到特殊的过程，如 AutoSlog ，是一种自顶而下的学习法。二是由具体性的规则开始，通过合并获取得到具有覆盖能力的规则，是从特殊到一般的过程，如 CRYSTAL ，是一种从底向上的学习法。介于两者之间的，如 PALKA ，则既有从特殊到一般的泛化过程，又有从一般到特殊的具体化过程。 这里介绍自顶而下和从底向上两种典型的规则学习方法。 6 5.1 原理 （1）自顶而下的学习法， AutoSlog 利用通用的13条语言模式作为启发性的规则，由用户标注的例子发现语言模式的具体约束，实现通用规则的具体化。 自顶向下的学习过程如下： 步骤1 寻找到含有目标信息的语句，此语句一般由手工进行标记过。 步骤2 对此语句进行部分分析，识别出主语、动词词组、直接宾语和介词短语等。 步骤3 依次应用概括性的语言模式，得到该目标信息所对应的语言模式。 步骤4 如果存在适用的语言模式，则从目标信息上下文中产生相应的概念节点。 7 5.1 原理 （2）从底向上的学习法， CRYSTAL 利用覆盖算法实现从具体实例到获取通用的规则模式。 CRYSTAL 认为实例中所有的语法和语义都是对所抽取信息的一种约束，通过放松高度具体的约束，达到覆盖更多正面实例（含有要抽取信息的语句）、简化规则的目的。这种算法一般有较强的泛化能力，可扩充对未知文本的识别范围，学习过程归纳如下： 步骤1 从每个正面实例得到一个高度具体的概念节点的定义。 步骤2 对于每一个没有被规则所覆盖的概念节点 D 进行节点泛化。 步骤2.1 寻找最相似的概念节点D’。 8 5.1 原理 步骤2.2 如果D’为主，则完成规则的形成过程，退出循环。 步骤2.3 以概念层次为依托，合并D和D’得到U。 步骤2.4 如果U的错误率大于预设的阈值，则退出循环；否则设置D=U。 步骤3 将上述泛化后的概念节点D加入规则集。 9 5.1 原理 10 5.1 原理 如果说 AutoSlog – TS 是一种“纯粹”的学习方法，而互激励法可认为是一种“边学习边实践”的方法。互激励法无须指出所有实例与目标领