一、概述:
首先基于规则和人工抽取关系词,随后基于抽取的关系词抽取关系句,然后基于人工总结的模板结合同义词和re模块进行模板匹配抽取三元组。
二、规则抽取流程
1)句子关系词抽取(所谓的关系词就是含有某个关系的句子,经常出现并且特有的词,要有区分度:与全局普通句子的区分度,与其他关系句子的区分度)
1.采用类似于tfidf的方式抽取每类关系的关系词
统计每类句子的词频进行排序,抽取其中局部常见,全局少见的词
2.人工抽取,原则与上述相同
结果如下:每个关系的关系词
2)关系句提取
1.根据每类关系词,设置阈值抽取每类关系的关系句(对关系词高度依赖)。
2.根据规则,含有某个关系的关系词的句子判定为该关系的关系句。
结果如下:包含关系的关系句
3)句子三元组抽取
1.人工定义模板,A是头实体,B是为实体,模板如下:(基于上文的关系句总结模板)包含关系的模板
2.基于re正则表达式匹配符合模式的句子,并匹配句子中的A和B部分(这部分需要用到之前提到的领域词)。
3.利用synonyms找到关系词的近义词,将模板扩充,例如:(.*)[是|由](.*)组成。
最终结果如下:抽取出来的包含关系的三元组
本文提出的基于规则的关系抽取办法,并非最终版本,后续在属性抽取中将提出一种基于远程监督的模板构造方法。