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
- MUC-7(The senven Message Understanding Conference)
- 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.