一、信息抽取的基本方法:
1.基于规则模式的方法
1. 优点:所需的标注预料较少,规则可解释性强,易于调整。
2. 缺点:灵活性差、查全率较低、可移植性不好。
3. 主要方法:正则表达式方法、半结构化树方法、词汇-句法模式、词汇-语义模式。
2.基于机器学习的方法
1. 主要困难:学习模型效果的好坏主要依赖于训练语料的规模和标注质量,运行时间和效率也随语料符号类别的多少呈线性增长。
二、本文相关工作:
1. 采用一种自然语言文本处理框架-通用文本处理框架中的Java标注模式引擎(JAPE)语言来开发词汇-语义规则模式并实现语义标注工作。
2.采用基于层次化词汇-语义规则模式的方法从金融新闻文本中提取出事件类别、参与人、时间、地点、交易金额等大量与金融事件相关的语义要素信息。
创新点:
1、采用一种新的基于深度学习方法( Word2Vector) 来自动生成概念同义词典的方法,解决了传统手工方式编制概念同义词典费时费力的问题。
2、设计了一种基于有限状态机驱动的层次化的词汇-语义规则标注模式方法,从而实现了对事件语义标注信息的层次化提取和抽象。
3、设计了一种基于有限状态机驱动的层次化的词汇-语义规则标注模式方法,实现了对事件语义标注信息的层次化提取和抽象。
优点:
采用层次化标注结构时,使用者可以根据需要在词汇-语义规则文件中灵活地抽出或插入某一标注层,这样在编写词汇-语义规则时不必考虑某种标注类型对规则语法的影响,从而极大地简化了规则编写的工作。
三、评价:
有效地解决传统的基于词汇或词汇句法规则方法中所存着的: 对句法分析结果依赖性过强,不能精确描述同义词、反义词以及上位词之间的联系,不能按专业领域业务需求实现对词汇的概念化抽象等问题。