知识抽取任务定义
知识抽取是实现自动化构建大规模知识图谱的重要技术,其目的在于从不同来源、不同结构的数据中进行知识提取并存入知识图谱中。知识抽取的数据源可以是结构化数据(如链接数据、数据库)、半结构化数据(如网页中的表格、列表)或者非结构化数据(即纯文本数据)。面向不同类型的数据源,知识抽取涉及的关键技术和需要解决的技术难点有所不同。知识抽取的概念最早在20世纪70年代后期出现于NLP研究领域,是指自动化地从文本中发现和抽取相关信息,并将多个文本碎片中的信息进行合并,将非结构化数据转换为结构化数据,包括某一特定领域的模式、实体关系或RDF三元组。下图给出了一个知识抽取的典型例子。给定一段关于苹果公司的文字描述,知识抽取方法可以自动获取关于苹果公司的结构化信息,包括其总部地址、创始人以及创立时间。
具体地,知识抽取包括以下子任务:
- 命名实体识别,从文本中检测出命名实体,并将其分类到预定义的类别中,例如人物、组织、地点、时间等。上图中高灰色记的文字就是命名实体,在一般情况下,命名实体识别是知识抽取其他任务的基础。
- 关系抽取从文本中识别抽