【笔记三】飞浆-信息抽取

千千惠儿

已于 2022-08-23 09:38:12 修改

阅读量484

点赞数

文章标签：自然语言处理人工智能

于 2022-08-23 09:03:57 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_42551154/article/details/126476993

版权

信息抽取概述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

实体抽取

在这里插入图片描述

在这里插入图片描述

BIOES标注模式 B-begin, I-inside, O-outside/other, E-end, S-single

在这里插入图片描述

关系抽取

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
关系分类是关系抽取的第二步

在这里插入图片描述

在这里插入图片描述

标签都是预先定义好的
Sigmod 根据每个字/词输出的概率，进行分类~ 大于阈值为1 ，可以输出多个类别

在这里插入图片描述
对于实体对多重组合的复杂问题，抛弃了BIO的标注方式
如何预测尾实体？每个词有多种向量表示，把这些词向量加权平均，再和encoder的每个字的向量表示相加，考虑当前词和预测词之间的关系，就可以把与【结节】有关系的词抽取出来

在这里插入图片描述

远监督噪音（DS）：拿知识库直接匹配文本的过程
由于特定领域的标注数据难度大、成本高，可以考虑使用海量知识库中的文体，如果两个词出现在一句话/文本中，我们就认为他们是有关系的，可以从中抽取出实体和关系。但这个过程似乎有些草率，也会存在一些问题~ 抽取出不正确或有问题的实体关系，就产生了一定的噪音如，娱乐新闻中，男明星和女明星离婚了，之后又描述了他们之前的很多事情，那他们直接就不存在婚姻关系~

文档级抽取：长文本/文档

开放育关系抽取，在构建知识图谱的时候需要~ 因为不预先定义关系，关系类别是从文本中来的，S 主语、P 谓语、 O 宾语

事件抽取

在这里插入图片描述

位置、大小都是事件要素
触发词和要素，称为事件
（1）触发词当做头实体：圆开/结节影
（2）要素当做尾实体：病变位置、大小
（3）进而构建关系

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
【笔记三】飞浆-信息抽取

跟贾维斯老师走进信息抽取世界
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。