在医疗领域知识图谱构建的过程中,需要对数据进行结构化处理,将病例信息通过文本关系抽取,抽取出实体,关系。同时在构建对话系统时也需要对输入的句子进行句意理解,这也需要对句子进行文本关系抽取。
一、关系抽取要完成的任务概述
我们希望通过nlp自动的将这样的一段句子中,找出其中的实体,以及它们之间的关系。
1.对句子进行分词。
2.为了辨别出想要的实体词,关系词,判断出某个词我们是否需要,因此会将分开的词语进行词性标注。
参考文档:使用 pyltp — pyltp 0.2.0 文档
3.依存句法分析。
将分词结果和词性标注结果输入句法分析模型,得到句子中的所有关系。
arcs = self.parser.parse(words, postags) # 依存句法分析
根据下图,一个句子中,找出每个词对应的关系,存为字典。
参考文档:使用 pyltp — pyltp 0.2.0 文档
根据得出的关系字典,遍历字典,根据句法依存关系表,确定句子中所有的主谓,动宾等关系,存储下来,为后面设计规则抽取想要的关系做准备。
4.语义角色标注。
参考文档:使用 pyltp — pyltp 0.2.0 文档
roles = self.labeller.label(words, postags, arcs)
将分词结果,词性标注结果,句法分析结果输入语义角色标注模型,输出语义角色标注结果。就可以提取出下图中的角色。然后设计规则抽取实体。
5.设计规则完成关系抽取。
预处理部分可以对文章分句处理,不然句子过长。
'''文章分句处理, 切分长句,冒号,分号,感叹号等做切分标识'''
def split_sents(self, content):
return [sentence for sentence in re.split(r'[??!!。;;::\n\r]', content) if sentence]
然后利用语义角色标注,获取主谓宾三元组。
'''利用语义角色标注,直接获取主谓宾三元组,基于A0,A1,A2'''
def ruler1(self, words, postags, roles_dict, role_index):
v = words[role_index]
role_info = roles_dict[role_index]
if 'A0' in role_info.keys() and 'A1' in role_info.keys():
s = ''.join([words[word_index] for word_index in range(role_info['A0'][1], role_info['A0'][2] + 1) if
postags[word_index][0] not in ['w', 'u', 'x'] and words[word_index]])
o = ''.join([words[word_index] for word_index in range(role_info['A1'][1], role_info['A1'][2] + 1) if
postags[word_index][0] not in ['w', 'u', 'x'] and words[word_index]])
if s and o:
return '1', [s, v, o]
return '4', []