知识图谱中传统关系抽取方法

﹏ヽ暗。殇╰゛Y 2021-12-12 10:51 271阅读 0赞

目前主要采用统计机器学习的方法，将关系实例转换成高 维空间中的特征向量或直接用离散结构来表示，在标注语 料库上训练生成分类模型，然后再识别实体间关系 

# 基于特征向量方法 #

最大熵模型(Kambhatla 2004)和支持向量机 (Zhao et al., 2005；Zhou et al., 2005; Jiang et al., 2007)等

## 主要问题： ##

如何获取各种有效的词法、句法、语义等特征，并把 它们有效地集成起来，从而产生描述实体语义关系的各种局部特 征和简单的全局特征

## 特征选取： ##

从自由文本及其句法结构中抽取出各种表面特征以及结构化特征  
实体词汇及其上下文特征  
实体类型及其组合特征  
实体参照方式  
交叠特征  
基本短语块特征  
句法树特征

# 基于核函数的方法 #

浅层树核（Zelenko et al., 2003)、依存树核（ Culotta et al., 2004)、最短依存树核（Bunescu et al., 2005)、卷积树 核（Zhang et al., 2006；Zhou et al., 2007）

## 主要问题 ##

如何有效挖掘反映语义关系的结构化信息及如何有效计算结构化信息之间的相似度

## 卷积树核 ##

用两个句法树之间的公共子树的数目来衡量它们之间的相似度

## 标准的卷积树核(CTK) ##

在计算两棵子树的相似度时，只考虑子树本身，不考虑子树的上下文信息

## 上下文相关卷积树核函数(CS-CTK) ##

在计算子树相似度量，同时考虑子树的祖先信息，如子树根结点的父结点 、祖父结点信息，并对不同祖先的子树相似度加权平均

# 基于神经网络的方法 #

递归神经网络（ Socher et al., 2012)、基于矩 阵空间的递归神经网络（ Socher et al., 2012)、卷积神经网络（Zeng et al., 2014）

## 主要问题 ##

如何设计合理的网络结构，从而捕捉更多的信息，进而更准确的完成关系的抽取

## 网络结构 ##

不同的网络结构捕捉文本中不同的信息

## 递归神经网络（RNN） ##

网络的构建过程更多的考虑到句子的句法结构，但是需要依赖复杂的句法分析工具

## 卷积神经网络（CNN） ##

通过卷积操作完成句子级信息的捕获，不需要复杂的NLP工具

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdHk5NDUuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9zdHk5NDUuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70]: /images/20211211/e78860c66d9443e8a459d8d97c9958dc.png

发表评论取消回复

表情：

评论列表（有 0 条评论，271人围观）

还没有评论，来说两句吧...

相关阅读

相关知识图谱-构建：知识图谱构建流程【本体构建、知识抽取（实体抽取、关系抽取、属性抽取）、知识表示、知识融合、知识存储】

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ub

男娘i/ 2023年10月04日 09:49/ 0 赞/ 4 阅读

相关知识图谱-第三方工具：DeepKE【支持低资源、长篇章的知识抽取工具，支持：①命名实体识别、②关系抽取、③属性抽取】【基于PyTorch+Transformers】

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5b-N6ICF44Gu5Lmx5aSq6Y

向右看齐/ 2023年09月30日 10:17/ 0 赞/ 26 阅读

相关 AI比赛-三元组抽取：工业知识图谱关系抽取-高端装备制造知识图谱自动化构建

大赛介绍 CCF大数据与计算智能大赛（CCF Big Data & Computing Intelligence Contest，简称CCF BDCI）由中国计算机学会于

ゝ一纸荒年。/ 2023年09月25日 15:48/ 0 赞/ 49 阅读

相关知识图谱属性与关系区别

本文共674个字，预计阅读时间需要3分钟。知识图谱中属性和关系的区别主要是在于其面对的实体不同。实体关系分为两种，一种是属性property，一种是关系relatio

布满荆棘的人生/ 2023年07月23日 03:48/ 0 赞/ 22 阅读

相关【知识图谱】知识图谱应用

知识图谱怎么用 ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG

傷城~/ 2023年01月13日 10:24/ 0 赞/ 293 阅读

相关【知识图谱】经典知识图谱

[cyc][] 最初目标：构建人类最大的常识知识库（比如：每个树都是植物，植物最终会死）组成：由术语（Terms）和断言（Assertions）组成。术语包括概念、关

川长思鸟来/ 2023年01月13日 10:22/ 0 赞/ 381 阅读

相关【知识图谱】知识图谱概念

知识图谱概念人工智能技术的三个发展阶段 1、计算智能 2、感知智能 3、认知智能 ![在这里插入图片描述][watermark_type_ZmFuZ3

àì夳堔傛蜴生んèń/ 2023年01月13日 09:58/ 0 赞/ 238 阅读

相关关系抽取常用方法

关系抽取通常会基于以下几种方式去做：基于规则监督学习半监督 & 无监督学习 Bootstrap Distant

柔光的暖阳◎/ 2022年03月15日 03:20/ 0 赞/ 364 阅读

相关利用关系抽取构建知识图谱的一次尝试

如需阅读该文章，请访问网址： [https://www.cnblogs.com/jclian91/p/11107323.html][https_www.cnblogs.co

古城微笑少年丶/ 2021年12月22日 12:51/ 0 赞/ 265 阅读

相关知识图谱中传统关系抽取方法

目前主要采用统计机器学习的方法，将关系实例转换成高维空间中的特征向量或直接用离散结构来表示，在标注语料库上训练生成分类模型，然后再识别实体间关系  基于特征向量方法

﹏ヽ暗。殇╰゛Y/ 2021年12月12日 10:51/ 0 赞/ 272 阅读