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。