ccml2015分组报告室4上午2太原理工

命名实体关系抽取研究报告人：

徐

庆学校： 太原理工大学研究内容研究现状研究方法实验方案实验结果报

告

内

容一、研究内容实体关系抽取定义从文本中抽取出特定的实体之间的关系一、研究内容例子：“记者滞留在机场”实体1：“记者”人物(PER)实体2：“机场”设施(FAC)关系：位于关系(Located)•即“记者”位于“机场”一、研究内容二、研究现状传统的关系抽取基于模式匹配的方法基于词典驱动的方法基于机器学习的方法二、研究现状基于模式匹配的方法运用语言学知识，构造出若干基于词语、基于词性或基于语义的模式集合进行关系抽取时,将经过预处理的语句片段与模式集合中的模式进行匹配二、研究现状例子：“习近平是中国的最高领导人”关系模式描述：Person

是…organization

的…关系：人-社会组织(PER-SOC)二、研究现状缺点：关系模式建立困难需要语言学家对某领域穷举各种可能的关系表达，手工编制关系模式周期太长，应用成本很高当应用于新领域时需要重新建立关系模式二、研究现状基于词典驱动的方法新的关系类型能够仅仅通过向词典添加对应的动词入口而被抽取灵活，耗费努力最小的情况下能够抽取尽可能多类型的关系，准确率高二、研究现状例子：爱迪生发明了电灯泡通过“发明”可以确定“爱迪生”和“电灯泡”的制造使用关系（ART）二、研究现状缺点：只能识别以动词为中心词的关系,而对于名词同位语之类的关系抽取很难实现二、研究现状基于机器学习的方法将关系抽取看作是一个分类问题，通过具体的学习算法，在人工标注语料的基础上构造分类器摆脱了语言学家，不受关系的词性限制缺点：需要人工标注的语料二、研究现状基于机器学习的方法（1）基于特征向量的方法（2）基于核函数的方法二、研究现状（1）基于特征向量的方法对关系样例进行特征提取并表示为特征向量，然后通过机器学习的方法来学习训练关系实例缺点：因为特征向量长度必须固定，所以无法加入句法信息二、研究现状（2）基于核函数的方法使用语法树的形式表示实体关系，通过核函数计算关系之间的距离缺点：训练预测速度相对慢二、研究现状开放域的关系抽取秦兵提出了使用实体之间的距离限制和关系指示词的位置限制获取候选关系三元组的开放式抽取方法二、研究现状“…记者滞留在机场…”的最短路径依存树IPNN记者NP

VPE1

VV滞留在P

NPE2NN机场PP二、研究现状实体词实体小类实体大类提及类型记者机场entityE1

E2typeTP1

TP2PER

FACsubtypeST1

ST2Group

Airportmention

typeMT1

MT2NOM

NOM二、研究现状包含全特征的语法树IPNPE1NN记者VPVV滞留在P

NPE2NN机场PP记者entityE1

E2机场IPtype

subtypeTP1

TP2

ST1

ST2PER

FAC

Group

Airportmention

typeMT1

MT2NOM

NOMROOT二、研究现状树核函数的基本原理NPNDdogaNPNDdogaNPNDaNPNDdogNPNDNDdogaNPNDcataNPNDcataNPNDaNPNDcatNPNDNDcata二、研究现状树核函数的基本原理NPNDdogaNPNDaNPNDDaNPNDcataNPNDaNPNDDa三、研究方法两种表示实体词相似度的特征《同义词词林》编码树实体词语义相似度树三、研究方法《同义词词林》是一部汉语分类词典，其中每一条词语都用一个编码来表示其语义类别，共包括12个大类，94个中类，1428个小类。三、研究方法“公园”的编码为“Bn20A01=”三、研究方法“伤者”编码“Ag02A01=”和“医院”编码

“Dm06A03=”对应的《同义词词林》编码树三、研究方法将编码树加入到语法树的根节点下三、研究方法基于《同义词词林》的词汇语义相似度计算如果在第一层分支，也就是说两个词不在同一棵树上Sim(

A,

B)

=

0.1三、研究方法如果两个词在同一棵树上Sim(

A,

B)

=

m

·(m

+

(1

-

m)

·

n

-

k

)n其中n为分支层的节点总数，k为两个分支在同一层的距离，m随着分支所在层的变化而变化，分别取第二层0.65，第三层0.8，第四层0.9，第五层0.96三、研究方法实体词语义相似度树举例三、研究方法加入实体词相似度树的关系大类实例三、研究方法加入实体词相似度树的关系小类实例四、实验方案若在《同义词词林》中找不到实体词，则分词后再查找若还找不到，则不添加本文提出的特征四、实验方案ACE2005中文语料哈工大语言云（LTP）Stanford

ParserSVM-LIGHT-TK

1.2语料：分词工具：句法分析工具：分类器：五倍交叉验证四、实验方案实验评价除了采用常用的P、R、F以外，还使用F%和TFF%：F值与相应的关系类型中实例个数在全体实例所占的百分比的乘积TF：各个关系类型的F%相加之和，能够反映某种特征的总体性能五、实验结果单一特征的实验结果TF关系大类关系小类实体类型信息83.284.9《词林》编码68.877.4《词林》编码树73.581.2