<知识库的构建> 5-1 事实提取 Fact Extraction

引自Fabian Suchanek的讲义。

 

总结：介绍了DIPRE算法，即利用模式提取和模式应用实现事实提取来得到新fact，并不断把fact添加至KB，再得到新fact来使KB扩张，我们要清楚模式提取和模式应用的方法，及DIPRE算法可能遇到的的问题。

 

事实提取Fact Extraction ：是从语料库提取事实的过程

这么做的原因：对于电脑来说文本很难懂incomprehensible，尤其是有些时候文本是由不同国家的语言写的，所以提取出来fact，有结构，变成编使电脑也懂得东西，并且更好的定义实体之间的关系。

 

模式提取Extraction Pattern：有两个占位符placeholder，有r即关系，表示的是X和Y的满足此二元关系

例如： X—bornin--> Y 的一个Pattern是 X kommt aus Y

 

如何找到patterns：手动编译语料库，手动提取，用算法做pattern推理

pattern推理Pattern Deduction：从给出的KB中找extraction pattern并把extraction pattern应用在KB中产生facts的过程

       例如：corpus Angela Merkel stammt aus Hamburg. Sie ist seit 2005 Kanzlerin von Deutschland und. 从corpus中得到：“X stammt aus Y” 是 bornIn(X,Y)的pattern，那么stammt aus(X,Y)可以作为新的relation应用KB中，继续找新的事实。

 

@font-face { font-family: "Cambria Math"; }@font-face { font-family: "DengXian"; }@font-face { font-family: "@DengXian"; }p.MsoNormal, li.MsoNormal, div.MsoNormal { margin: 0cm 0cm 0.0001pt; font-size: 12pt; font-family: "Times New Roman"; }.MsoChpDefault { font-family: DengXian; }div.WordSection1 { }

Pattern Application：通过pattern找到facts的过程

Pattern Iteration 或 DIPRE算法：执行pattern推理来找到新patterns即新的可用于corpus上的relation，以此找到新的fact，把新facts添加至KB，重复此过程扩张KB

小练习：扩张KB

KB：Obama—chase-->Osama

Corpus：Obama hetzt Osama. Tom jagt Jerry. Tom hetzt Jerry.

可得：hetzt是chase的pattern，所以hetzt的含义是chase

我们把hetzt应用在corpus中，可得Tom –hetzt--> Jerry

所以我们可以知道Tom –chase--> Jerry，把这个添加至KB中

我们看到Tom jagt Jerry，可得jagt是chase的pattern

所以最终KB为：

Obama—chase-->Osama

Tom—chase-->Jerry

 

提取pattern会遇到的问题：二义性

 

KB为Obama—chase-->Osama

Corpus为Obama verfolgt Osama.

所以此时我们无法判断到底verfolgt(X,Y)是chase(X,Y) 还是loves(X,Y)的pattern，因为奥巴马的老婆的标签也为奥巴马。

此时需要神奇的Disambiguation。

 

Pattern的可信度Confidentiality of pattern：

-      若pattern是由已知mostly known 事实提取出来的例如原KB中的东西提取出来的，则可信度高 safe

-      若是由新pattern提取出来的，则可信度低 risky

可信度 = safe的/risky的

转载于:https://www.cnblogs.com/mengzizhao/p/8379962.html