论文笔记：A Novel Use of Statistical Parsing to Extract Information from Text Integrated Sentential Proce

论文笔记（1）：A Novel Use of Statistical Parsing to Extract Information from Text Integrated Sentential Proce
这篇论文发表的比较早，发表于2000年，属于信息抽取的传统方法。

一、文章要解决的问题

解决文本信息抽取问题，主要用于两个公开的信息抽取任务

1. MUC-7（The senven Message Understanding Conference）
2. TE（The Template Element）

二、文章使用的方法（亮点、创新点）

• 词汇化、概率上下文无关语法程序，使用的treebank语料库
• 传统处理句子的架构主要分为四步：
  
  • 词性标注
  • 实体发现
  • 语法分析
  • 语义解释
    这种模型存在固有的缺陷，即属于线性模型，前面的处理结果会对后面的处理造成影响，形成错误累积。本论文提出的集成模型，可以使每个步骤都独立，但又会对其他步骤造成影响。在作者以前的工作中，已经分别为词性标注、实体发现和语法分析建立了统计模型。
• 训练数据：采用一个信息检索系统检索文章，然后使用增强树结构去标注（刚开始人工标注）
• 训练模型：使用由连续低阶估计的混合组成的插值估计
• TE和TR的结果：
  R P F
  Entities TE 83% 84% 83.49%
  Relations TR 64% 81% 21.23%

三、文章使用方法的优缺点

用了大量的人工标注，并没有达到当时此任务的最好水平，但所有情况下的分数都接近最好水平。

四、参考

• Miller, S., Fox, H., Ramshaw, L., & Weischedel, R. (2000). A Novel Use of Statistical Parsing to Extract Information from Text Integrated Sentential Processing. Proceedings of NAACL-2000, 226–233.