自然语言处理与信息抽取.20110826.pdf

中国计算机学会《学科前沿讲习班》第21期 面向互联网的自然语言处理技术——理论、方法与应用问题研究 第二讲 自然语言处理和信息抽取 赵 军（jzhao@ ） 共同讲者：刘康、韩先培、周光有、蔡黎 中国科学院自动化研究所 模式识别国家重点实验室 引言(1/3)  50-60年代：自然语言处理研究领域是作为人工智能的应用发 展起来的  最早的自然语言理解方面的研究工作是机器翻译，20世纪60年代，国 外对机器翻译曾有大规模的研究工作  普遍采用基于规则的方法，或者基于知识库的方法，在限定领域取得 成功  但人们低估了自然语言的复杂性，在开放领域遇到很大的困难  90年代开始：随着大规模词典和真实语料库的研制，给自然 语言处理领域的研究带来了巨大变化  基于语料库的统计自然语言学习成为一种重要的方法  自然语言处理系统面向大规模真实文本的处理，使得研制的系统开始 面向实用  系统并不要求能对自然语言文本进行深层理解，而是从中抽取一些有 用信息，作为自然语言部分理解的一种形式——信息抽取 引言(2/3)  过去10年：随着互联网的普及，为自然语言处理领域提供了 强有力的应用牵引和海量语言资源  自然语言处理技术和信息检索技术结合，自然语言处理技术的应用领 域大大扩大——问答系统等  统计自然语言学习方法受限于语料库的规模，过拟合问题严重，缺乏 推广能力  目前：随着Web2.0的普及，网络上积累了规模巨大的User Generated Content ，为自然语言处理技术的发展提供了新 的资源和技术创新的源泉  例如Wikipedia、社区问答资源等，为建立大规模知识库奠定基础  基于知识的方法在开放域自然语言处理处理任务中的应用成为可能  基于知识的方法和基于统计的方法的融合受到关注 引言(3/3)  本课程将面向互联网应用，选取依存句法分析、信 息抽取、观点挖掘和倾向性分析、问答系统等四个 自然语言处理领域的研究方向，系统介绍其中的基 本概念、主要方法、最新研究进展、需要解决的问 题和发展趋势  目标：听者能够对以上几个研究方向的基本轮廓和 发展脉络有较为系统的了解 主要内容  第一课 09:00-10:00 信息抽取  第二课 10:20-11:30 观点挖掘和倾向性分析  第三课 14:00-15:00 问答系统  第四课 15:20-16:20 依存句法分析  第五课 16:30-17:00 互动课 主要内容之间的关系  信息抽取：以实体为中心的事实性信息的抽取  观点挖掘和倾向性分析：主观性信息的抽取  问答系统：信息抽取和自然语言处理技术结合的 应用  依存句法分析：自然语言处理关键技术 第一课 信息抽取 中国科学院自动化研究所 模式识别国家重点实验室 概述  引言  实体识别与抽取  实体消歧  关系抽取  问题与挑战 引言  互联网的迅速普及和发展  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  文本信息抽取  自然语言文本信息抽取 信息抽取与信息检索的区别 (1/2) 查找同 “恐怖 查找同 “恐怖 袭击”相关的文 袭击”相关的文 档 档 文本信息检索 .hk 互联网文档集 信息抽取与信息检索的区别 (2/2) 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