【关系抽取综述】

最新推荐文章于 2023-10-06 11:22:20 发布

努力学习的哇塞妹妹‍

最新推荐文章于 2023-10-06 11:22:20 发布

阅读量296

点赞数

文章标签：自然语言处理笔记学习

本文链接：https://blog.csdn.net/CrazyDog_JJ/article/details/132127770

版权

关系抽取

基于规则的关系抽取方法
- 基于触发词/基于的关系抽取
- 基于语法书的关系抽取
基于机器学习的关系抽取方法
基于深度学习的关系抽取方法【ing…】
参考

在关系抽取任务中，输入是一段包含实体和上下文信息的文本，输出是表示实体之间关系的结构化信息。这种结构化信息可以采用多种形式，例如二元关系（两个实体之间的关系）或多元关系（多个实体之间的关系）。

关系抽取的一般流程如下：

实体识别（Entity Recognition）：首先，需要对文本进行实体识别。实体可以是人名、地名、组织机构名等具有特定意义的词汇。
关系分类（Relation Classification）：接下来，需要将识别到的实体之间的关系进行分类。
关系抽取（Relation Extraction）：最后，根据实体之间的关系类别，从文本中提取出关系的结构化信息。这可以是一个包含实体和关系的三元组，例如(实体1, 关系, 实体2)。

基于规则的关系抽取方法

基于触发词/基于的关系抽取

自定义规则后从文中对应（eg，“is a”的关系）

优点：
（1）由于是人工定义的，比较准确简单直观，易于理解和扩展。
（2）不需要训练数据

缺点：
（1）覆盖率低
（2）需要较多的人力成本
（3）规则本身难设计
（4）存在当触发词在文本中的位置变化、触发词的多义性等问题

基于语法书的关系抽取

通过分析语法树的节点和边，利用节点的特征和相互之间的连接关系来确定实体之间的关系

路径上的单词特征：考虑路径上的单词属性，如词性、词义、词频等。
句法依存关系：分析路径上的语法依存关系，例如主谓关系、动宾关系等，来判断两个实体之间的关系类型。
语法树的子树：寻找包含两个实体的子树，分析子树的结构和特征来确定关系。
关系分类和归纳：对于提取出的关系，可以通过分类器将其归类到预定义的关系类型中，从而得到更加具体的关系信息。

基于机器学习的关系抽取方法

有监督学习

基于特征向量的方法

提取出一系列特征向量，然后进行分类
请添加图片描述

下面是基于特征向量的关系抽取方法的一般步骤：

特征提取：首先，从输入的文本中提取相关特征。这些特征可以包括词语级别的特征（如词袋模型、TF-IDF向量）、句子级别的特征（如句子长度、词性标记）和语义特征（如词向量表示、主题模型等）。同时也可以考虑依存关系、句法树等结构化特征。
特征向量表示：将提取的特征转换为数值向量表示。常用的方法包括one-hot编码、TF-IDF权重化、词嵌入（词向量）等。这样可以将文本和关系映射到特征向量空间中。
关系标注：对于训练数据集中的样本，人工标注其关系类别。
模型训练和预测：使用带有标注数据的特征向量作为训练集，可以使用各种机器学习算法（如逻辑回归、支持向量机、随机森林等）进行模型训练。训练后的模型可以用于预测新的文本样本的关系类型。
后处理：根据任务需求，对模型预测的结果进行后处理。

基于核函数的方法

通过将文本数据映射到高维特征空间，并利用核函数计算文本之间的相似度或距离，从而进行关系抽取。

半监督学习

Booststrap

一般步骤：【生成规则 – 寻找新 seed tuple — 添加到之前的 seed tuple】

根据seed tuple 库生成规则，并写入规则库
根据规则匹配上，生成三元组
将新生成的三元组加入到seed tuple库中

缺点：
（1）容易生成准确率非常低的规则
（2）是一个串行的算法，可能会导致误差累积

Snowball

一般步骤：【生成规则 – 寻找新 seed tuple — 添加到之前的 seed tuple】

根据seed tuple 库生成规则，计算规则之间的两两相似度【下图】，对规则聚类【下图】并写入规则库
根据规则匹配上，计算tuple与各规则库的相似度，若大于某个阈值，则将五元组加入到seed tuple库中
¥ 评估规则的准确率等信息并进行过滤
¥评估tuple的准确率等信息并进行过滤

snowball采用的是一种五元组的方法，实现近似匹配：
五元组：【left】【实体1】【middle】【实体2】【right】
相似度计算方法
聚类方法
评估pattern方法：（1）匹配 tuple，可以得到只由这个规则生成的 tuple 库；而原来的 seed tuple 库是由许多条规则生成的。
（2）数出新生成的tuple中有多少条在原来tuple库中，就可以计算出正确率
评估tuple方法：
（1）评估原则：多个规则>单个规则
（2）当规则数量相同时，正确率越大，越靠谱