Web信息处理与应用.PDF

Web信息处理与应用 第九节 实体识别 徐童 2019.11.7 1 先前回顾 • 传统的信息检索是如何实现的 • 信息检索模型是用来描述文档与查询的表示形式与相关性的框架 • 信息检索的实质是对文档基于相关性进行排序 • 好的信息检索模型，可以在理解用户的基础之上，产生近似用户决策 的结果，从而在顶部返回最相关的信息 • 信息检索模型的形式化表述：[D, Q, F, R(Di, q)] • D ：文档表达（可视作索引词项的集合） • Q ：查询表达 • F ：查询与文档间的匹配框架 • R ：查询与文档间的相关性度量函数（Di与q分别表示特定文档与查询） 先前回顾 • 然而，传统信息检索返回的是“文档的集合”，而非信息 先前回顾 • 如今，用户对“信息”的需求更为迫切 人们已不再满足于单纯呈现原始的文档， 而需要更加精炼的知识表达与更加直观的需求解决。 本节主题 • 本课程所要解决的问题 Web信息 第八个问题： 信息抓取 如何从文档中提取信息和知识？ 文本处理 查询 信息抽取 排序 索引 数据挖掘 评估 问题背景 • 响应用户需求，搜索引擎的结果日益丰富 那么，这些信息从何而来？ 本节目录 • 信息抽取概述 • 知识图谱概述 • 命名实体识别 信息抽取 • 信息抽取的含义 • 从语料中抽取指定的事件、事实等信息， 形成结构化的数据 • 被抽取的信息以预先定义的、结构化 的形式描述。 • 为后续的情报分析、自动文摘、问答 系统等一系列应用提供服务。 信息抽取 • 信息抽取是整合与分析的基础 ↓ 竞争分析 ↑ 企业关联 信息抽取 • 信息抽取与信息检索 • 两者密切相关，却又存在鲜明差异