知识图谱-知识抽取（三）：非结构化数据【DeepDive：基于远程监督的“关系抽取”】【斯坦福开发的开源知识抽取系统，通过弱监督学习，从非结构化的文本中抽取结构化的关系数据 】

deepdive是由斯坦福大学InfoLab实验室开发的一个开源知识抽取系统。它通过弱监督学习，从非结构化的文本中抽取结构化的关系数据 。是目前人工智能学习领域的一个热门项目。原文见

http://deepdive.stanford.edu/

一、DeepDive 用来做什么?

DeepDive是一个从暗数据（dark data）中提取价值的系统。

与暗物质（dark matter）一样，暗数据是隐藏在文本、表格、图形和图像中的大量数据，缺乏结构，因此基本上无法通过现有软件处理。

DeepDive通过从非结构化信息（文本文档）创建结构化数据（SQL表）并将这些数据与现有的结构化数据库集成，帮助揭示暗数据。

DeepDive用于提取实体之间复杂的关系，并对涉及这些实体的事实进行推断。

DeepDive帮助用户处理各种各样的暗数据，并将结果放入数据库。

有了数据库中的数据，人们可以使用各种标准工具来使用结构化数据；例如，可视化工具（如Tableau）或分析工具（如Excel）。

---

---

---

参考资料：