Extraction de relations — Relations sémantiques entre entités
- Type
- NLP information-extraction task
Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais
À quoi sert-elle ?
L'extraction de relations est une tâche de traitement du langage naturel qui détecte et classe les relations sémantiques qui existent entre les entités mentionnées dans un texte.
S'appuyant sur les premières méthodes basées sur des noyaux (Zelenko et coll., 2003) et les approches ultérieures de correspondance neuronale (Baldini Soares et coll., 2019), elle transforme le texte libre en faits structurés de la forme entité–relation–entité.
L’intuition derrière la méthode
Une phrase peut nommer deux choses — une personne et une entreprise, un médicament et une maladie — et indiquer discrètement comment elles sont connectées. L'extraction de relations consiste à lire cette connexion dans le texte et à l'étiqueter. Plutôt que de simplement repérer quelles entités apparaissent, la méthode demande quelle relation lie une paire d'entités donnée, et attribue à chaque paire un type de relation tiré d'un ensemble défini.
Histoire
L'extraction de relations trouve ses racines dans les méthodes d'apprentissage automatique basées sur des noyaux, comme l'illustrent Zelenko et coll. (2003), qui ont appliqué des méthodes de noyaux pour extraire des relations de textes. La tâche s'est ensuite orientée vers les représentations neuronales, Baldini Soares et coll. (2019) introduisant l'approche 'Matching the Blanks' qui apprend les représentations de relations à partir de la similarité distributionnelle, reflétant le mouvement plus large vers les modèles pré-entraînés.
Quand l’utiliser
L'extraction de relations est pertinente lorsque vous disposez de données textuelles et que vous souhaitez les liens sémantiques entre les entités plutôt que les entités elles-mêmes. Elle suppose qu'un jeu de données de relations étiquetées est disponible, nécessite la sortie de la REN comme prérequis, et demande que le prétraitement du texte soit effectué au préalable. Parce qu'il s'agit d'une tâche supervisée avec un minimum recommandé d'environ 100 documents, elle convient mieux aux corpus suffisamment grands pour supporter une classification de relations fiable.
Limites et points d’attention
- Nécessite un jeu de données de relations étiquetées, dont la construction est coûteuse.
- Dépend de la reconnaissance d'entités nommées comme prérequis, de sorte que les erreurs de la REN se propagent dans les relations extraites.
- Nécessite un corpus suffisamment grand — environ 100 documents ou plus — pour classifier les relations de manière fiable.
Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.
Points forts
- Transforme le texte non structuré en faits structurés entité–relation–entité qui peuvent alimenter des bases de connaissances et des analyses en aval.
- Classe le lien sémantique entre les entités, allant au-delà de la simple détection de l'existence des entités.
- Prend en charge les objectifs d'analyse explicative et relationnelle sur des corpus de texte.
Applications
- Peupler des bases de connaissances avec des faits structurés entité–relation–entité extraits de textes.
- Extraire des relations telles que des liens personne–organisation ou médicament–maladie à partir de documents.
- Prendre en charge des pipelines d'extraction d'informations qui nécessitent des relations typées plutôt que des mentions brutes d'entités.
- Permettre l'analyse relationnelle et explicative de grands corpus de textes.
Comment ça marche
Comment ça marche
Le texte brut est nettoyé et préparé de sorte que les composants en aval reçoivent une entrée cohérente. Le prétraitement du texte est une hypothèse déclarée de la méthode : sans lui, la détection d'entités et la classification des relations opèrent sur des unités bruitées et incohérentes.
La reconnaissance d'entités nommées (REN) est exécutée en premier pour localiser les entités dans le texte — sa sortie est un prérequis pour l'extraction de relations. Des paires d'entités candidates sont ensuite formées à partir des entités reconnues afin que chaque paire puisse être examinée pour une relation possible.
Chaque paire d'entités candidates est classifiée selon un type de relation sémantique à l'aide d'un modèle entraîné sur un jeu de données de relations étiquetées. La sortie est un ensemble de relations typées reliant des paires d'entités, transformant le texte en faits structurés entité–relation–entité.
Les relations prédites sont évaluées par rapport aux données de relations étiquetées afin que la qualité soit vérifiée avant que les relations extraites ne soient considérées comme fiables et utilisées en aval.
Pièges courants
- Sauter le prétraitement du texte laisse des unités bruitées et incohérentes qui dégradent à la fois la détection d'entités et la classification des relations.
- Traiter la REN comme facultative : l'extraction de relations dépend de la détection d'entités, de sorte qu'une sortie de REN faible sape l'ensemble du pipeline.
- L'exécution sur trop peu de documents (moins de ~100) produit une classification de relations peu fiable.
- Supposer qu'une relation existe pour chaque paire d'entités ; de nombreuses paires ne portent aucune relation définie et devraient être classifiées comme telles.
Questions fréquentes
En quoi l'extraction de relations diffère-t-elle de la reconnaissance d'entités nommées ?
La REN trouve les entités dans le texte — les personnes, organisations, lieux, etc. L'extraction de relations va plus loin et classe comment une paire d'entités est liée. La sortie de la REN est en fait un prérequis : l'extraction de relations opère sur les entités que la REN a déjà détectées.
Ai-je besoin de données étiquetées ?
Oui. L'extraction de relations est ici une tâche supervisée qui suppose qu'un jeu de données de relations étiquetées est disponible, utilisé pour entraîner et évaluer le classificateur de relations.
Quelle quantité de texte me faut-il ?
Un minimum d'environ 100 documents est recommandé. Avec moins de documents, la classification des relations devient peu fiable.
À quoi ressemble la sortie ?
La sortie est un ensemble de relations sémantiques typées entre des paires d'entités — des faits structurés entité–relation–entité extraits du texte et vérifiés par rapport aux données de relations étiquetées lors de l'évaluation.
Méthodes associées
Sources
Zelenko, D., Aone, C. & Richardella, A. (2003). Kernel Methods for Relation Extraction. Journal of Machine Learning Research, 3, 1083-1106.
Ouvrir la référence de la publicationCopié.Soares, L. B., FitzGerald, N., Ling, J. & Kwiatkowski, T. (2019). Matching the Blanks: Distributional Similarity for Relation Learning. Proceedings of ACL 2019.
Ouvrir la référence DOICopié.