استخلاص العلاقات — العلاقات الدلالية بين الكيانات
- النوع
- NLP information-extraction task
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
استخلاص العلاقات هو مهمة في معالجة اللغة الطبيعية تكتشف وتصنف العلاقات الدلالية التي تربط بين الكيانات المذكورة في النص. بالبناء على الطرق المبكرة القائمة على النواة (Zelenko and colleagues, 2003) ولاحقًا أساليب المطابقة العصبية (Baldini Soares and colleagues, 2019)، فإنه يحول النص الحر إلى حقائق منظمة على شكل كيان–علاقة–كيان.
الفكرة الحدسية وراء الطريقة
يمكن لجملة أن تذكر شيئين — شخصًا وشركة، أو دواءً ومرضًا — وتذكر بهدوء كيف يرتبطان. يتعلق استخلاص العلاقات بقراءة هذا الارتباط من النص وتسميته. بدلاً من مجرد تحديد الكيانات التي تظهر، تسأل الطريقة عن العلاقة التي تربط زوجًا معينًا من الكيانات، وتعين لكل زوج نوع علاقة مستمد من مجموعة محددة.
التاريخ
يعود استخلاص العلاقات بجذوره إلى طرق التعلم الآلي القائمة على النواة، والتي يمثلها Zelenko وزملاؤه (2003)، الذين طبقوا طرق النواة لاستخلاص العلاقات من النص. تحولت المهمة لاحقًا نحو التمثيلات العصبية، حيث قدم Baldini Soares وزملاؤه (2019) نهج 'مطابقة الفراغات' الذي يتعلم تمثيلات العلاقات من التشابه التوزيعي، مما يعكس التحول الأوسع نحو النماذج المدربة مسبقًا.
متى تُستخدم
يناسب استخلاص العلاقات عندما يكون لديك بيانات نصية وترغب في الروابط الدلالية بين الكيانات بدلاً من الكيانات نفسها فقط. يفترض توفر مجموعة بيانات علاقات مُعنونة، ويتطلب ناتج التعرف على الكيانات المسماة كشرط مسبق، ويحتاج إلى إجراء المعالجة المسبقة للنص أولاً. نظرًا لأنه مهمة خاضعة للإشراف مع حد أدنى موصى به يبلغ حوالي 100 مستند، فإنه يكون الأنسب للمجموعات النصية الكبيرة بما يكفي لدعم تصنيف العلاقات بشكل موثوق.
الحدود والاعتبارات
- يتطلب مجموعة بيانات علاقات مُعنونة، والتي يصعب بناؤها.
- يعتمد على التعرف على الكيانات المسماة كشرط مسبق، لذا تنتشر أخطاء NER في العلاقات المستخلصة.
- يحتاج إلى مجموعة نصية كبيرة بما فيه الكفاية — حوالي 100 مستند أو أكثر — لتصنيف العلاقات بشكل موثوق.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يحول النص غير المنظم إلى حقائق منظمة على شكل كيان–علاقة–كيان يمكن تغذية قواعد المعرفة والتحليلات اللاحقة بها.
- يصنف الرابط الدلالي بين الكيانات، متجاوزًا مجرد اكتشاف وجود الكيانات.
- يدعم أهداف التحليل التفسيري والعلاقاتي على المجموعات النصية.
التطبيقات
- تعبئة قواعد المعرفة بحقائق منظمة على شكل كيان–علاقة–كيان مستخرجة من النص.
- استخلاص علاقات مثل روابط شخص–مؤسسة أو دواء–مرض من المستندات.
- دعم خطوط أنابيب استخلاص المعلومات التي تحتاج إلى علاقات مُعنونة بدلاً من مجرد ذكر الكيانات.
- تمكين التحليل العلائقي والتفسيري للمجموعات النصية الكبيرة.
كيف يعمل
كيف يعمل
يتم تنظيف النص الخام وإعداده بحيث ترى المكونات اللاحقة مدخلات متسقة. يُعدّ المعالجة المسبقة للنص افتراضًا مُعلنًا للطريقة: بدونها، تعمل مهمتا اكتشاف الكيانات وتصنيف العلاقات على وحدات مشوشة وغير متسقة.
يتم تشغيل التعرف على الكيانات المسماة (NER) أولاً لتحديد مواقع الكيانات في النص — ناتجها شرط مسبق لاستخلاص العلاقات. ثم يتم تكوين أزواج الكيانات المرشحة من الكيانات المعترف بها بحيث يمكن فحص كل زوج بحثًا عن علاقة محتملة.
يتم تصنيف كل زوج كيانات مرشح إلى نوع علاقة دلالية باستخدام نموذج تم تدريبه على مجموعة بيانات علاقات مُعنونة. الناتج هو مجموعة من العلاقات المُعنونة التي تربط أزواج الكيانات، مما يحول النص إلى حقائق منظمة على شكل كيان–علاقة–كيان.
تتم مقارنة العلاقات المتوقعة ببيانات العلاقات المُعنونة للتحقق من الجودة قبل الوثوق بالعلاقات المستخلصة واستخدامها لاحقًا.
الأخطاء الشائعة
- تؤدي إغفال المعالجة المسبقة للنص إلى وحدات مشوشة وغير متسقة تدهور كل من اكتشاف الكيانات وتصنيف العلاقات.
- معاملة NER كخيار: يعتمد استخلاص العلاقات على اكتشاف الكيانات، لذا فإن ناتج NER الضعيف يقوض خط الأنابيب بأكمله.
- التشغيل على عدد قليل جدًا من المستندات (أقل من ~100) ينتج عنه تصنيف علاقات غير موثوق.
- افتراض وجود علاقة لكل زوج كيانات؛ العديد من الأزواج لا تحمل علاقة محددة ويجب تصنيفها على هذا النحو.
الأسئلة الشائعة
كيف يختلف استخلاص العلاقات عن التعرف على الكيانات المسماة؟
يحدد NER الكيانات في النص — الأشخاص، المؤسسات، الأماكن، وما إلى ذلك. يذهب استخلاص العلاقات خطوة أبعد ويصنف كيف يرتبط زوج من الكيانات. ناتج NER هو في الواقع شرط مسبق: يعمل استخلاص العلاقات على الكيانات التي اكتشفها NER بالفعل.
هل أحتاج إلى بيانات مُعنونة؟
نعم. استخلاص العلاقات هنا مهمة خاضعة للإشراف تفترض توفر مجموعة بيانات علاقات مُعنونة، تُستخدم لتدريب وتقييم مصنف العلاقات.
ما مقدار النص الذي أحتاجه؟
يوصى بحد أدنى يبلغ حوالي 100 مستند. مع عدد أقل من المستندات، يصبح تصنيف العلاقات غير موثوق.
كيف يبدو الناتج؟
الناتج هو مجموعة من العلاقات الدلالية المُعنونة بين أزواج الكيانات — حقائق منظمة على شكل كيان–علاقة–كيان مستخرجة من النص وتم التحقق منها مقابل بيانات علاقات مُعنونة أثناء التقييم.
طرق ذات صلة
المصادر
Zelenko, D., Aone, C. & Richardella, A. (2003). Kernel Methods for Relation Extraction. Journal of Machine Learning Research, 3, 1083-1106.
افتح مرجع المنشورتم النسخ.Soares, L. B., FitzGerald, N., Ling, J. & Kwiatkowski, T. (2019). Matching the Blanks: Distributional Similarity for Relation Learning. Proceedings of ACL 2019.
افتح مرجع DOIتم النسخ.