Skip to content
بازگشت به نتایج جست‌وجو

استخراج رابطه — روابط معنایی بین موجودیت‌ها

نوع
NLP information-extraction task

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

استخراج رابطه یک وظیفه پردازش زبان طبیعی است که روابط معنایی بین موجودیت‌های ذکر شده در متن را شناسایی و طبقه‌بندی می‌کند. این روش با تکیه بر روش‌های اولیه مبتنی بر هسته (زلنکو و همکاران، ۲۰۰۳) و رویکردهای تطبیق عصبی بعدی (بالدینی سوارس و همکاران، ۲۰۱۹)، متن آزاد را به حقایق ساختاریافته به شکل موجودیت–رابطه–موجودیت تبدیل می‌کند.

شهود پشت روش

یک جمله می‌تواند دو چیز — یک شخص و یک شرکت، یک دارو و یک بیماری — را نام ببرد و به آرامی نحوه ارتباط آنها را بیان کند. استخراج رابطه به معنای خواندن و برچسب‌گذاری این ارتباط از متن است. به جای تنها شناسایی موجودیت‌های ظاهر شده، این روش می‌پرسد که چه رابطه‌ای یک جفت موجودیت مشخص را به هم پیوند می‌دهد و به هر جفت یک نوع رابطه از مجموعه‌ای تعریف شده اختصاص می‌دهد.

تاریخ

استخراج رابطه ریشه در روش‌های یادگیری ماشین مبتنی بر هسته دارد که نمونه آن زلنکو و همکاران (۲۰۰۳) هستند که از روش‌های هسته برای استخراج روابط از متن استفاده کردند. این وظیفه بعدها به سمت نمایش‌های عصبی تغییر یافت، با معرفی رویکرد «تطبیق جای خالی» توسط بالدینی سوارس و همکاران (۲۰۱۹) که نمایش‌های رابطه را از شباهت توزیعی یاد می‌گیرد، که منعکس کننده حرکت گسترده‌تر به سمت مدل‌های از پیش آموزش دیده است.

چه زمانی استفاده شود

استخراج رابطه زمانی مناسب است که داده‌های متنی دارید و به جای فقط خود موجودیت‌ها، پیوندهای معنایی بین آنها را می‌خواهید. این روش فرض می‌کند که یک مجموعه داده روابط برچسب‌گذاری شده در دسترس است، خروجی NER را به عنوان پیش‌نیاز می‌طلبد و نیاز به پیش‌پردازش متن دارد که ابتدا انجام شود. از آنجا که این یک وظیفه نظارت شده با حداقل توصیه شده حدود ۱۰۰ سند است، برای پیکره‌های متنی به اندازه کافی بزرگ برای پشتیبانی از طبقه‌بندی رابطه قابل اعتماد مناسب‌تر است.

محدودیت‌ها و ملاحظات

  • نیاز به یک مجموعه داده روابط برچسب‌گذاری شده دارد که ساخت آن پرهزینه است.
  • به شناسایی موجودیت نام‌گذاری شده به عنوان پیش‌نیاز وابسته است، بنابراین خطاهای NER به روابط استخراج شده سرایت می‌کنند.
  • برای طبقه‌بندی قابل اعتماد روابط، به یک پیکره متنی به اندازه کافی بزرگ — تقریباً ۱۰۰ سند یا بیشتر — نیاز دارد.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • متن بدون ساختار را به حقایق ساختاریافته موجودیت–رابطه–موجودیت تبدیل می‌کند که می‌توانند پایگاه‌های دانش و تحلیل‌های پایین‌دستی را تغذیه کنند.
  • پیوند معنایی بین موجودیت‌ها را طبقه‌بندی می‌کند و فراتر از صرفاً تشخیص وجود موجودیت‌ها می‌رود.
  • از اهداف تحلیل توضیحی و رابطه‌ای در پیکره‌های متنی پشتیبانی می‌کند.

کاربردها

  • پر کردن پایگاه‌های دانش با حقایق ساختاریافته موجودیت–رابطه–موجودیت که از متن استخراج شده‌اند.
  • استخراج روابطی مانند پیوندهای شخص–سازمان یا دارو–بیماری از اسناد.
  • پشتیبانی از خطوط لوله استخراج اطلاعات که به روابط نوع‌دار به جای ذکر موجودیت‌های خام نیاز دارند.
  • امکان تحلیل رابطه‌ای و توضیحی پیکره‌های متنی بزرگ را فراهم می‌کند.

چگونه کار می‌کند

چگونه کار می‌کند

1

متن خام پاکسازی و آماده می‌شود تا اجزای پایین‌دستی ورودی یکسانی را دریافت کنند. پیش‌پردازش متن یک فرض بیان شده این روش است: بدون آن، شناسایی موجودیت و طبقه‌بندی رابطه بر روی واحدهای نویزی و ناسازگار کار می‌کنند.

2

شناسایی موجودیت نام‌گذاری شده (NER) ابتدا برای یافتن موجودیت‌ها در متن اجرا می‌شود — خروجی آن پیش‌نیازی برای استخراج رابطه است. سپس جفت‌های موجودیت کاندید از موجودیت‌های شناسایی شده تشکیل می‌شوند تا هر جفت برای یک رابطه احتمالی بررسی شود.

3

هر جفت موجودیت کاندید با استفاده از مدلی که بر روی مجموعه داده روابط برچسب‌گذاری شده آموزش دیده است، به یک نوع رابطه معنایی طبقه‌بندی می‌شود. خروجی مجموعه‌ای از روابط نوع‌دار است که جفت‌های موجودیت را به هم پیوند می‌دهد و متن را به حقایق ساختاریافته موجودیت–رابطه–موجودیت تبدیل می‌کند.

4

روابط پیش‌بینی شده در برابر داده‌های روابط برچسب‌گذاری شده امتیازدهی می‌شوند تا کیفیت قبل از اعتماد و استفاده از روابط استخراج شده در مراحل بعدی بررسی شود.

دام‌های رایج

  • نادیده گرفتن پیش‌پردازش متن، واحدهای نویزی و ناسازگار را باقی می‌گذارد که هم شناسایی موجودیت و هم طبقه‌بندی رابطه را تضعیف می‌کند.
  • اختیاری در نظر گرفتن NER: استخراج رابطه به شناسایی موجودیت وابسته است، بنابراین خروجی ضعیف NER کل خط لوله را تضعیف می‌کند.
  • اجرا بر روی اسناد بسیار کم (کمتر از ~۱۰۰) منجر به طبقه‌بندی رابطه غیرقابل اعتماد می‌شود.
  • فرض وجود یک رابطه برای هر جفت موجودیت؛ بسیاری از جفت‌ها هیچ رابطه تعریف شده‌ای ندارند و باید به همین صورت طبقه‌بندی شوند.

پرسش‌های متداول

استخراج رابطه چه تفاوتی با شناسایی موجودیت نام‌گذاری شده دارد؟

NER موجودیت‌ها را در متن — افراد، سازمان‌ها، مکان‌ها و غیره — پیدا می‌کند. استخراج رابطه یک گام فراتر می‌رود و نحوه ارتباط یک جفت موجودیت را طبقه‌بندی می‌کند. خروجی NER در واقع یک پیش‌نیاز است: استخراج رابطه بر روی موجودیت‌هایی که NER قبلاً شناسایی کرده است، عمل می‌کند.

آیا به داده‌های برچسب‌گذاری شده نیاز دارم؟

بله. استخراج رابطه در اینجا یک وظیفه نظارت شده است که فرض می‌کند یک مجموعه داده روابط برچسب‌گذاری شده در دسترس است و برای آموزش و ارزیابی طبقه‌بندی‌کننده رابطه استفاده می‌شود.

به چه مقدار متن نیاز دارم؟

حداقل حدود ۱۰۰ سند توصیه می‌شود. با اسناد کمتر، طبقه‌بندی رابطه غیرقابل اعتماد می‌شود.

خروجی چگونه به نظر می‌رسد؟

خروجی مجموعه‌ای از روابط معنایی نوع‌دار بین جفت‌های موجودیت است — حقایق ساختاریافته موجودیت–رابطه–موجودیت که از متن استخراج شده و در طول ارزیابی در برابر داده‌های روابط برچسب‌گذاری شده بررسی می‌شوند.

روش‌های مرتبط

منابع

  1. Zelenko, D., Aone, C. & Richardella, A. (2003). Kernel Methods for Relation Extraction. Journal of Machine Learning Research, 3, 1083-1106.

    باز کردن مرجع انتشار
    کپی شد.
  2. Soares, L. B., FitzGerald, N., Ling, J. & Kwiatkowski, T. (2019). Matching the Blanks: Distributional Similarity for Relation Learning. Proceedings of ACL 2019.

    باز کردن مرجع DOI
    کپی شد.