读完可以回答以下问题:
1.概念图谱构建的要素是什么?如何构建优质的概念图谱?
2.概念图谱中isA关系的抽取方法有哪些?实际应用较多的方法有哪些?实际应用时抽取过程是怎样的?
3.中文概念图谱的构建过程是怎样的?典型的中文概念图谱实例介绍
1.概念图谱构建的要素是什么?如何构建优质的概念图谱?
知识图谱的规模和质量是构建知识图谱的重要因素。概念图谱作为一种重要的知识图谱也是如此。
如何构建大规模且高质量的概念图谱呢?
从大规模的文本中自动抽取isA关系,进而构建大规模概念图谱。如何提高质量是大规模概念图谱的核心问题,目前无法给出一个统一的答案。
2. 概念图谱中isA关系的抽取方法有哪些?实际应用较多的方法有哪些?实际应用时抽取过程是怎样的?
1)isA关系抽取的方法
2)实际应用较多的方法为
基于模式的方法和基于在线百科的方法
3)基于在线百科的方法抽取过程
基于在线百科的方法抽取准确率较高,但是在线百科的标签规模有限很难形成大规模的概念图谱。
以YAGO为例基于模式方法构建概念图谱:
第一步:概念标签识别
数据源是维基百科数据,其中标签分为:概念型标签、主题型标签、属性型标签以及管理型标签
- 概念型标签:描述实体所属的类型(多用,核心标签) 例如:American male film actors
- 主题型标签:描述实体所述的主题 (多用) 例如:Chemistry
- 属性型标签:描述实体的相关属性(少用) 例如:1979 births
- 管理型标签:用于管理维基百科词条 (少用) 例如:Articles with unsourced statements
识别方法:浅层语言分析
标签短语的核心词
复数被识别为概念标签 例如:American male film actors
单数被识别为主题标签 例如:Chemistry
属性型标签和管理型标签识别使用:人工或基于规则的方式
第二步:概念层级体系构建
4)基于模式的方法抽取过程
最常见的isA关系的语法模式是Hearst模式。
模式 | 例子 |
NP such as {NP,}* {(or|and)} NP | companies such as IBM,Apple |
NP {,} including {NP,} * {(or|and)} NP | algorithms including SVM,LR and RF |
NP{,NP}* {,} or other NP | animals,dogs, or other cats |
NP{,NP}* {,} and other NP | representatives in North America,Europe,Japan,China, and other countries |
NP{,} especially {NP,}* {(or|and)} NP | developing countries,especially China and India |
缺陷:
1.模式前后的噪声词会导致抽取错误。 例如:animals other than dogs such as cats => cats is dogs
2.分词错误会导致错误。 例如:algorithms including SVM,LR and RF =》 LR and RF是一个实体还是两个实体
缺陷解决:
基于统计频次,信任高频次模式的方式提高准确率和召回率
3.中文概念图谱的构建过程是怎样的?典型的中文概念图谱实例介绍
典型的中文概念图谱实例:大词林和CN-Probase
1)大词林
方法:抽取+排序
步骤:1)基于“搜索引擎搜索实体、从搜索结果、在线百科类别标记以及实体核心库”获得输入实体的上位词,从而得到候选上位词 =》提高覆盖率,提高召回率
2)基于上位词排序模块使用启发式规则对候选上位词进行排序 =》提高准确率
3)从而得到实体的最终上位词
2)CN-Probase
方法:生成+验证
步骤:1)生成模块:从中文在线百科的多个数据源获取上下位关系。方法:短语分割获得上位词,深度生成使用编码器和解码器模型,谓词(职业,公司性质等)发现,使用标签进行直接抽取=》提高覆盖率
2)验证模块:基于启发式规则发现错误isA关系。方法:互斥概念的验证、命名实体识别(上位词不可能是命名实体)的验证和基于语法规则的验证(人工定义一些规则)=》提高准确率