信息抽取笔记1

目录

信息抽取：

信息抽取分类：

信息抽取的通用评测指标：

​编辑抽取模型的关键要素：解码设计

命名实体识别的三中标注方法：

实体抽取：

复杂实体抽取中的问题

关系抽取：

关系分类：

 使用序列标注解决关系抽取：

 复杂关系抽取中的问题：

关系抽取的其他问题

​事件抽取：

---

信息抽取：

定义：自动从无结构或半结构的文本中抽取出结构化信息的任务。

信息抽取分类：

根据抽取结果在不在原文中对信息抽取分类：

• 抽取式
• 生成式

 根据抽取结果结构对信息抽取分类：

• 实体
• 关系
• 事件

信息抽取的通用评测指标：

抽取模型的关键要素：解码设计

解码设计：标注标签到结构化信息的转换过程，是一个抽取模型的核心

1. 序列标注：单或多类别标注，常用BIO解码
2. Pointer：标注抽取结果的start和end
3. Token Pair：对句子中的字两两之间标注类别

命名实体识别的三中标注方法：

1. BMES  四位序列标注法：B：一个词的词首位值，M：一个词的中间位置，E：一个词的末尾位置，S表示一个单独的字词。
2. BIO  三位标注：（B-begin，I-inside，O-outside）。B-X 代表实体X的开头，I-X代表实体的中间 ，O代表不属于任何类型
3. BIOES（B-begin，I-inside，O-outside，E-end，S-single）。B 表示开始，I表示内部， O表示非实体 ，E实体尾部，S表示该词本身就是一个实体。

实体抽取：

定义：即从一段文本中抽取出文本内容，并识别为预定义的类别。

使用CRF的实体抽取解码设计：

• BIO（例子中类别C为检查，B-X 代表实体X的开头，I-X代表实体的中间）
  • 解决：普通实体识别问题
  • 模型：CRF条件随机场

复杂实体抽取中的问题

1、重叠嵌套：原文中多个实体之间共享片段

 2、不连续：一个实体由多个不连续片段组成

关系抽取：

定义：从文本中抽取出一对实体和预定义的关系类型，得到包含语义信息的实体关系三元组。关系是有方向的，抽取的两个实体一般称作头实体（HeadEntity）和尾实体（TailEntity）。

难点：关系重叠，实体对组合等。

解码方式：BIO，Pointer，TPLinker等。

关系抽取步骤：第一步：实体抽取，抽取句子中所有的实体。第二步：关系分类，使用一对实体和句子进行关系判断。

通常分多步抽取的模型方案叫做Pipeline，只用一次模型抽取的方案叫做Joint。

关系分类：

定义：给定一对实体和原文，判断实体之间的关系类型。关系分类是关系抽取的子问题。

 使用序列标注解决关系抽取：

Ref：Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme 

 复杂关系抽取中的问题：

1、关系重叠：一个实体属于多个关系

使用多分类序列标注解决重叠关系抽取

 Ref：LIC2021关系抽取基线https://aistudio.baidu.com/aistudio/projectdetail/1639963

2、实体对组合：实体对有多重组合方式，怎么选 

使用阶段预测标注解决实体对组合

Ref：A Novel Cascade Binary Tagging Framework for Relational Triple Extraction

Ref：TPLinker: Single-stage Joint Extraction of Entities and Relations Through Token Pair Linking

关系抽取的其他问题

事件抽取：

定义：从一段文本中抽取出预定义的事件触发词和事件要素，组合为相应的结构化信息。除了事件，实际应用中信息抽取的结果可能更加复杂，但都可以把事件（或其他复杂结构）变成关系抽取问题进行解决。