知识图谱自动和半自动知识提取.pdf

第 9 卷  第8 期  2013 年 8 月 技术进展 自动和半自动知识提取 史树明 关键词 ：自动知识提取　模式匹配 微软亚洲研究院 正如动物依靠对环境和食物的认知来维持生 束，这种方式很难实现大规模知识库的构建。利用 存、人类依靠知识和技能来扮演社会角色一样，计 大众智慧是指利用互联网众包机制，把知识编辑工 算机应用程序和系统也依赖特定的 “知识”来完成 作交给成千上万的互联网志愿者大军，知识库Free- 特定的功能。近些年，包括互联网搜索系统、自动 b ase 的维护就依赖于这种机制。众包的核心是设计 导航系统、自动问答系统、机器翻译系统、语音识 合理的激励机制，使互联网用户利用业余时间向知 [1] 识库贡献一些信息。本文重点讨论第三类方法—— 别系统等在内的智能系统 取得了巨大进展，其背 后是更深、更广、更新和更加准确的知识库的构建 自动或半自动知识抽取，其基本思想是设计自动或 和使用。 半自动的算法，从现有的 （自然语言）文档中提取 人类通过五官来获取知识，并通过语言和文字 知识。这个过程又被称为信息提取，定义为从非结 来实现知识的交流、共享和传承，由此建立起人类 构化和半结构化文本中提取结构化信息。由于抽取 庞大的知识体系。然而，这些丰富的知识并不能够 算法的选择往往依赖于所要进行的知识提取任务， 被计算机系统自然而直接地使用，原因在于当前的 因此我们首先介绍知识类型和提取任务。 计算机程序远未达到理解自然语言和洞悉人类智慧 的程度和水平 （甚至不少人怀疑这一天能否到来）。 知识类型和知识提取任务 而我们又确实需要计算机系统能够具备一些知识， 以便在不威胁到人类生存的前提下帮助人类完成一 当前多数智能系统所涉及到的主要知识基本上 些 “高级”任务。因此，我们的目标便自然地设定 可以表示为一个包含多种不同类型的结点和边的知 为以合理的代价构建一个尽可能丰富、准确和与时 识图以及图结点之间的关系集合。图1 展示了一个 俱进的知识库。 简单的知识子图，而表 1 则列举了此子图上一些结 在过去几十年，人们曾尝试采用直接编辑知识、 点之间的关系。 利用大众智慧、自动或半自动知识抽取三类方法来 构建知识库。 知识类型 直接编辑知识是指知识编辑人员把自己头脑中 知识图中可能包含三类结点 ： 的知识写成计算机能够处理的格式，例如把 “狗是 实体　如某一个人物、某一个国家、某一个机 一种动物”写成 “IsA （狗，动物）”。在这种情况下， 构、某一条狗、某一种编程语言、某一个学科等。 知识的编辑工作通常由从事知识库构建的研发人员 图1 中的实体包括E 、E 和E 。 1 2 3 或者数据标定人员来完成。受时间和经济成本的约 语义类　一种类型的实体或一些实体的集合， 65 动态 第 9 卷  第 8 期  2013 年 8 月 人物 C R( 张三, 李四, 王五)=TRUE 。 3 C 城市 超类