中文信息抽取第十章.pptx

第10章 信息抽取模板10.1 模板的定义和结构模板或框架是关于某一事件的结构情息的描述 。 与要抽取的信息的粒度相对应,由側面和槽两层结构构成, 侧面代表 事件发生的各个要素, 用于描述事件的某一方面的属性. 同时側面又可根据需要分为若干个槽,一个糟描述相应属性的一个小的方面. 側面和糟所具有的属性值分别称为側面值和糟值·组成模板的不同侧面(或糟)之间可以通过側面値(成槽值)之间的关系建立联系,从而表达该事件的各种关系。 “3. 11”马德里爆炸事件模板可形式化如下:側面(槽):基本情况: (时间性质、时间、地点、伤亡情况、爆炸次数)救援情况: (无)怀疑对象: (无)调査进展: (无)社会反应: (无)引起后果: (无)背景资料: (无) 模板是一种经过组织的结构化的知识表示方法, 适宜于表示结构性的知识。 模板的側面和槽分别用侧面向量和模式来表示,一个側面对应一个侧面向量,由该側面的关键特征词和相应权重构成; 一个槽由若干模式组成, 模式是槽值产生的基础。 10.2 信息结构抽取信息结构是由两个或两个以上的字、 词或短语构成, 句法和语义合理, 并传达了特定信息。该结构内不含有介词、助词、连词、标点。该结构内部允许呈递归形态。信息结构是信息理解的基础。信息结构是依較于特定语言的,不同的语言可以表达相同的信息,但有着不同的信息结构。以“通缉犯”这个词语为例. 其中有两个基本単元“通缉”和“犯”, “通缉”为动词, “犯”为名词,因此, 从句法结构看是 V+N的定中结构;从语义关系结构看,前者是“行为动作”,后者是“受事”;而信息结构不仅能反映“行为动作”和“受事”之间的关系，而且还能够反映出“这是一个人,这个人是被通缉的对象,他是一个有罪的.(“有罪”这一信息是含在“通缉”这一词语中的)。 10.3 事件探测事件探测是信息抽取系统的 另一个工作, 事件探测过程是在命名实体识别基础之上实施的一个过程, 它抽取某一事件中的事件信息并将事件信息与某个组织、人物或其他实体相关联,构造出事件的概貌。例如“三名巴勒斯坦人被打死”, 这个句子就描述了两个事件:(l) conflict.attack;(2) life.Die。事件探测任务的目的是将各种实体和事件信息相关联 。 “三名巴勒斯坦人”为agent,“打(shot)”属于attack事件,而“死(dead)”属于事件life.事件探测任务的实现和前三个任务相比, 又存在更多的困难, 表现在以下5个方面： (1)将带修饰成分的短语最大化识别。包括“的”字修饰、动词修饰等句子,尽可能得到最大的语义块,因此利用简单的实体识别技术是不够的, 还要加入更多的语言学知识、 句法分析技术等实现名词短语最大化这个目标(2)关键词(触发词)抽取的研究。为了判断当前的句子属于哪类事件，关键词的抽取是必不可少的, 关键词中包含动词、 少量的名词和代词等, 并且通常汉语语言经常采用并列的动词、 动词十名词等方法来描述同一个事件.(3)区分事件。从一个句子的众多潜在关键词中区分出多个事件,上面的例子就属于该情况, 要深人分析每个动调的语义角色, 才能得到恰当的事件类型 (4)事件共指研究。在上下文叙述中,把指向同一事件的多个事件消解出来,便于信息合并。(5)浅层句法分析技术和语境知识。要想明确各个事件和主体、目标等的关系,需要浅层句法分析技术,通过上下文的语境,将实体和事件关联起来 10.4 模板生成按照人们的认识规律,了解一个事物,首先知道事件的主体、客体,主要行为,发生的时间和地点,发生的范围和频度等信息。经常发生的事物会在人脑海中形成一定的模式. 适当的信息激活, 会联想到这个模式, 并目根据部分信息预知残缺的部分 。这个模板就是一个结构化的信息抽取系统输出的原型 ( 语义模板) , 充分反映用户的兴趣,通过形成结构化的数据,快捷地检索和分析结果。根据用户关心领域的不同和内容的变化,模板包含不同的糟来满足特定的需要。表10.1给出的是进行煤矿事故事件的语义模板 。语义模板可以自 动生成. 也可手工生成。 10.4·1 模板元素(TE)的构建模板向量由侧面特征词(元素)和相应权重构成,在进行句子级信息的抽取过程中,句子应归入模板哪个側面,放入哪个侧面库,完全取决于其与侧面向量的相似度，特征词的抽取决定了信息抽取的效率 。一般采用的方法是: 把句子聚类后每一类中的所有词语构成对应側面的候选词集,通过计算词语的特征价值,逐步删除特征价值小的词语,直至删除的词语对分类的影响达到一定的程度, 剩余的词语即为这一类也就是这一侧面的特征词,抽取的特征词示例如表10. 2所示。 10.4.2 模板关系(TR)的构建模板关系(实体关系,模式)是指可以传递特定领域中关系或事件信息的语言表达式·信息抽取模