《自然语言处理》10-信息抽取.pptVIP

* 10.2 实体关系抽取 10.2.1 基本概念 10.2.2 基于规则的实体关系抽取 10.2.3 基于精标注数据的实体关系抽取 10.2.4 基于远程监督数据的实体关系抽取 10.2.5 基于联合训练的实体关系抽取 * 10.2.5 基于联合训练的实体关系抽取 联合模型就是一个模型，将实体分类和关系抽取两个子模型统一建模。 共享参数的联合抽取模型 通过共享参数（共享输入特征或者内部隐层状态）实现联合 联合解码的联合抽取模型 加强实体模型和关系模型的交互，复杂的联合解码算法被提出来，比如整数线性规划等。 * 10.2.5 基于联合训练的实体关系抽取 统一了实体和关系标注框架，直接以关系标签进行BIOES标注。 head实体序号为1，tail实体序号为2 * 第10章 信息抽取 10.1 命名实体识别 10.2 实体关系抽取 10.3 事件抽取 10.4 实体链接 10.5 开放域信息抽取 * 10.3 事件抽取 10.3.1 基本概念 10.3.2 事件抽取评测及语料资源 10.3.3 基于模式匹配的事件抽取方法 10.3.4 基于机器学习的事件抽取方法 10.3.5 基于神经网络的事件抽取方法 * 10.3.1 基本概念 事件抽取是信息抽取中的难点问题 事件抽取依赖实体抽取和关系抽取 相较于实体抽取和关系抽取，事件抽取难度更大 实体抽取： 1992年10月3日， 奥巴马，米歇尔，三一联合基督教堂 关系抽取： 夫妻关系：奥巴马，米歇尔 事件抽取： 事件类型：结婚事件，配偶：奥巴马，配偶：米歇尔， 时间： 1992年10月3日， 地点：三一联合基督教堂 1992 年10 月3 例 1992 年10 月3 日，奥巴马 与 米歇尔 在 三一联合基督教堂 结婚 10.3.1 基本概念 从自然语言文本中抽取出用户感兴趣的事件信息并以结构化的形式呈现，如什么人，什么时间，在什么地方，做了什么事 事件抽取相关的术语 事件描述（Event mention），事件触发词（Event Trigger），事件元素（ Event argument），元素角色（Argument role） 事件触发词 结婚(a “Life/Marry”event) 事件元素 角色= 配偶 奥巴马 角色= 配偶 米歇尔 角色= 时间 1992年10月3日 角色=地点 三一联合基督教堂 1992 年10 月3 例 1992 年10 月3 日，奥巴马 与 米歇尔 在 三一联合基督教堂 结婚 10.3.1 基本概念 事件相关任务 事件发现：从文本中发现事件触发词。 事件元素抽取：从本文中识别事件元素并判断元素扮演的角色 Types Subtypes Life Be-Born, Marry, Divorce, Injure, Die Movement Transport Transaction Transfer-Ownership, Transfer-Money Business Start-Org, Merge-Org, Declare-Bankruptcy, End-Org Conflict Attack, Demonstrate Contact Meet, Phone-Write Personnel Start-Position, End-Position, Nominate, Elect Justice Arrest-Jail, Release-Parole, Trial-Hearing, Charge-Indict, Sue, Convict, Sentence, Fine, Execute, Extradite, Acquit, Appeal, Pardon * 10.3 事件抽取 10.3.1 基本概念 10.3.2 事件抽取评测及语料资源 10.3.3 基于模式匹配的事件抽取方法 10.3.4 基于机器学习的事件抽取方法 10.3.5 基于神经网络的事件抽取方法 * 10.3.2 事件抽取评测及语料资源 MUC TDT ACE（KBP） 全 称 Message Understanding Conference Topic Detection and Tracking Automatic Content Extraction 举办方 Defense Advanced Research Projects Agency （DARPA） Defense Advanced Research Projects Agency （DARPA） Nat