从文本提取信息：分块、实体名称识别、关系提取

这一章开始，就主要开始分析句子的结构、意义等。这一章的内容主要负责一些初级部分，比如对句子进行NP分块，识别名称实体，进行关系的抽取。

这里不按照主题进行讨论，而按照方法范式进行讨论。

基于正则表达式的方法

基于正则表达式的方式十分容易理解，它就是通过一系列的正则表达式规则来进行这些任务，确定输出。

比如对于分块，有两种方式，第一种是正则表达式直接定义分块，第二种是先将整体作为一块，然后用正则表达式进行加缝隙（切割）。同时在分块时还可以进行递归操作，实现嵌套分块。

同样对于关系提取，一般都使用正则表达式进行提取，其提取出的输出是三元组，形式为 A R B，A和B为实体，而R为关系类型。

基于字典的方法

这个方式在名称实体的识别中使用，但是效果不一定好，毕竟实体名称可能无法穷尽。并且有的实体名称可能由多个子实体名称构成，在决定其到底是一个实体还是多个实体时，仍然可能存在困难。

基于分类器的方法

分类器主要可以应用于分块和实体名称的识别。

当使用分类器进行分块时，我们通常采用IOB标记法。I表示内部，O表示外部，B表示开始。在这种标注下，我们就可以尝试使用Ngram算法。

同样实体名称识别也可以采用分类器的方式，从分块中提取词性、标签等等作为分类器的输入，进行分类。