資料來源： Knowledge Graph tutorial (AAAI 2017－part 2)
相關(guān)鏈接：https://kgtutorial.github.io/slides/Part2b_IE.pdf
問題背景
知識(shí)抽取（Information Extraction）主要是在完成一系列分詞、詞性標(biāo)注等NLP任務(wù)等的基礎(chǔ)上，從打上詞性標(biāo)簽的句子中提取信息。現(xiàn)有的提取系統(tǒng)主要有：OpenIE，ConceptNet，NELL，KnowledgeVault。
知識(shí)圖譜中信息一般以三元組的方式進(jìn)行組織，一般來說有（實(shí)體，關(guān)系，實(shí)體）和（實(shí)體，屬性，屬性值）兩種形式。在信息提取的過程主要包含如下三個(gè)任務(wù)：
1. 如何確定領(lǐng)域知識(shí)（Define domain）？
2.如何提取三元組（Information extraction）？
3.如何評(píng)估提取出的三元組的可靠性（Scoring the candidate facts）？
針對(duì)每一個(gè)任務(wù)，當(dāng)前均有三種解決方式：1. 監(jiān)督（純手工），2.半監(jiān)督（人機(jī)交互），3.無監(jiān)督（機(jī)器學(xué)習(xí)）。以下將簡(jiǎn)略介紹針對(duì)每一個(gè)任務(wù)的三種解決方式。
任務(wù)1: ?領(lǐng)域知識(shí)的確定
之所以要確定領(lǐng)域知識(shí)，一方面是為了在信息提取任務(wù)中可以有效避免語(yǔ)義漂流（semantic drift），一方面是為了在后期的評(píng)估任務(wù)中可以過濾掉悖于領(lǐng)域知識(shí)的三元組。
case1: ?監(jiān)督。需要領(lǐng)域?qū)＜抑R(shí)來構(gòu)造高層語(yǔ)義網(wǎng)絡(luò)，精度高但代價(jià)昂貴。
case2: ?半監(jiān)督。人工列出所需構(gòu)建的實(shí)體，和實(shí)體之間的層次關(guān)系。利用機(jī)器學(xué)習(xí)的方式從語(yǔ)料庫(kù)中學(xué)習(xí)實(shí)體之間的關(guān)系。
case3: ?無監(jiān)督。將句子中的任何動(dòng)詞作為關(guān)系，任何名詞作為實(shí)體。精度低，容易引入噪聲。
任務(wù)2:三元組的提取
case1:? 無監(jiān)督。需要領(lǐng)域?qū)＜抑R(shí)手工編寫規(guī)則／模式，例如用“A work for B”來描述雇傭關(guān)系，然后將這樣的規(guī)則／模式應(yīng)用入句子，來挖掘出具體的三元組。
case2: ?半監(jiān)督。人工給出種子實(shí)例（Seed instances），例如”（John，HuaWei），（Alice，Apple）“。然后交給機(jī)器，學(xué)習(xí)出這類種子實(shí)例中所包含的模式 (Pattern) ——“A work for B”，接著利用該模式挖掘新的符合該模式的實(shí)例，再將這些新的實(shí)例加入種子實(shí)例中。所以，上述過程是一個(gè)bootstrap的過程。
在這個(gè)過程中，還可以引入人工互動(dòng)。例如對(duì)機(jī)器學(xué)習(xí)到的模式，可以進(jìn)行人工的篩選。對(duì)新學(xué)習(xí)到的三元組實(shí)例可以標(biāo)注正負(fù)例。
case3: ?無監(jiān)督。將句子中符合一定語(yǔ)法規(guī)則的動(dòng)詞作為關(guān)系，將該動(dòng)詞左右的名詞作為實(shí)體。
任務(wù)三：可靠性評(píng)估
case1:? 無監(jiān)督。人工設(shè)計(jì)評(píng)估函數(shù)。或從大規(guī)模打好標(biāo)簽數(shù)據(jù)中學(xué)習(xí)到特定的評(píng)估函數(shù)。耗時(shí)長(zhǎng)，精度高。
case2: ?半監(jiān)督。迭代的方法。打標(biāo)簽的數(shù)據(jù)和未打標(biāo)簽的數(shù)據(jù)共存，不斷迭代，refain。
case3: ?無監(jiān)督。一個(gè)模式的得分正比于抽取出該模式所使用到的實(shí)例的個(gè)數(shù)。一個(gè)三元組的得分正比于抽取出該三元組所使用到的模式個(gè)數(shù)。
