命名实体间语义的关系抽取的研究.pptVIP

UNT◎AL⑤R◎ WN MAN 命名实体间语义关系抽取研究 H 周国栋瓜钱龙华 自然语言处理实验室 苏州大学计算机科学与技术学院 2011年04月20日 目录 1.引言和相关工作 2.研究内容和方法 2.1指导性关系抽取 22弱指导关系抽取 2.3蛋白质相互作用关系抽取 3.工作展望 系例 1.引言和相关工作 关系抽取的定义 在许多自然语言理解系统中,不但要识别文本中的实体 且要根据上下文确定和抽取这些实体之间的各种语义关系, 即实体间语义关系抽取(简称语义关系抽取或关系抽取) ·关系抽取的例子 句子“ Microsoft Corp. is based in Redmond,WA表达了 Microsoft Corp(ORG)和“ Redmond(GPE)之间的“GPE AFF. Based关系 ·关系抽取的意义 实体间语义关系的抽取不仅是信息抽取中的重要环节,而且 在蛋白质相互作用(PP)抽取、问答系统、知识获取和自 言接冂等应用中也非常重要。 五們大 1.引言和相关工作 关系抽取的研究方法 基于规则的方法 基于机器学习的方法 ·指导性方法 ·弱指导方法 ·无指导方法 东例大浮 1.引言和相关工作 指导性关系抽取 实现方法:将关系实例转换成高维空间中的特征向量或直接 用离散结构来表示,在标注语料库上使用学习器来生成分类 模型,然后再抽取语义关系。 基于特征向量方法:最大熵模型( Kambhatla2004)和支持向量机 (zhao等2005;zhou等2005;Jang等2007) ·基于核函数的方法:浅层树核( Zelenko等2003)、依存树核( Culotta等2004)、最短依存树核( Bunescu等2005)、卷积树核 ( Zhang等2006:zhou等2007)。