Skip to content
Torna ai risultati

Estrazione di Relazioni — Relazioni Semantiche tra Entità

Tipo
NLP information-extraction task

Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese

Dimensione del carattere

A cosa serve?

L'estrazione di relazioni è un compito di elaborazione del linguaggio naturale (NLP) che rileva e classifica le relazioni semantiche che sussistono tra le entità menzionate nel testo.

Basandosi sui primi metodi basati su kernel (Zelenko et al., 2003) e sui successivi approcci di corrispondenza neurale (Baldini Soares et al., 2019), trasforma il testo libero in fatti strutturati del tipo entità–relazione–entità.

L’intuizione alla base del metodo

Una frase può nominare due cose — una persona e un'azienda, un farmaco e una malattia — e indicare silenziosamente come sono collegate. L'estrazione di relazioni riguarda l'interpretazione di tale connessione dal testo e la sua etichettatura. Piuttosto che limitarsi a individuare quali entità appaiono, il metodo chiede quale relazione lega una data coppia di entità e assegna a ciascuna coppia un tipo di relazione tratto da un insieme definito.

Storia

L'estrazione di relazioni ha radici nei metodi di machine learning basati su kernel, esemplificati da Zelenko et al. (2003), che hanno applicato metodi kernel per estrarre relazioni dal testo. Il compito si è poi spostato verso le rappresentazioni neurali, con Baldini Soares et al. (2019) che hanno introdotto l'approccio 'Matching the Blanks' che apprende rappresentazioni di relazioni dalla somiglianza distribuzionale, riflettendo il movimento più ampio verso modelli pre-addestrati.

Quando usarlo

L'estrazione di relazioni è appropriata quando si dispone di dati testuali e si desiderano i collegamenti semantici tra le entità piuttosto che solo le entità stesse. Presuppone la disponibilità di un set di dati di relazioni etichettato, richiede l'output del NER come prerequisito e necessita che la preelaborazione del testo sia stata eseguita per prima. Poiché si tratta di un compito supervisionato con un minimo raccomandato di circa 100 documenti, è più adatto a corpora sufficientemente grandi da supportare una classificazione affidabile delle relazioni.

Limiti e considerazioni

  • Richiede un set di dati di relazioni etichettato, che è costoso da costruire.
  • Dipende dal riconoscimento di entità nominate come prerequisito, quindi gli errori del NER si propagano nelle relazioni estratte.
  • Necessita di un corpus sufficientemente ampio — circa 100 documenti o più — per classificare le relazioni in modo affidabile.

Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.

Punti di forza

  • Trasforma il testo non strutturato in fatti strutturati entità–relazione–entità che possono alimentare basi di conoscenza e analisi a valle.
  • Classifica il collegamento semantico tra entità, andando oltre il semplice rilevamento dell'esistenza delle entità.
  • Supporta obiettivi di analisi sia esplicativi che relazionali su corpora testuali.

Applicazioni

  • Popolare basi di conoscenza con fatti strutturati entità–relazione–entità estratti dal testo.
  • Estrarre relazioni come collegamenti persona–organizzazione o farmaco–malattia dai documenti.
  • Supportare pipeline di estrazione di informazioni che necessitano di relazioni tipizzate piuttosto che di semplici menzioni di entità.
  • Abilitare l'analisi relazionale e esplicativa di grandi corpora testuali.

Come funziona

Come funziona

1

Il testo grezzo viene pulito e preparato in modo che i componenti a valle ricevano un input coerente. La preelaborazione del testo è un'assunzione dichiarata del metodo: senza di essa, il rilevamento delle entità e la classificazione delle relazioni operano su unità rumorose e incoerenti.

2

Il riconoscimento di entità nominate (NER) viene eseguito per primo per localizzare le entità nel testo — il suo output è un prerequisito per l'estrazione di relazioni. Le coppie di entità candidate vengono quindi formate dalle entità riconosciute in modo che ciascuna coppia possa essere esaminata per una possibile relazione.

3

Ciascuna coppia di entità candidata viene classificata in un tipo di relazione semantica utilizzando un modello addestrato su un set di dati di relazioni etichettato. L'output è un insieme di relazioni tipizzate che collegano coppie di entità, trasformando il testo in fatti strutturati entità–relazione–entità.

4

Le relazioni predette vengono valutate rispetto ai dati di relazioni etichettati in modo che la qualità venga verificata prima che le relazioni estratte vengano considerate attendibili e utilizzate a valle.

Errori comuni

  • Saltare la preelaborazione del testo lascia unità rumorose e incoerenti che degradano sia il rilevamento delle entità che la classificazione delle relazioni.
  • Considerare il NER come opzionale: l'estrazione di relazioni dipende dal rilevamento delle entità, quindi un output NER debole mina l'intera pipeline.
  • Eseguire su un numero insufficiente di documenti (meno di circa 100) produce una classificazione delle relazioni inaffidabile.
  • Presupporre che esista una relazione per ogni coppia di entità; molte coppie non hanno una relazione definita e dovrebbero essere classificate come tali.

Domande frequenti

In che cosa l'estrazione di relazioni differisce dal riconoscimento di entità nominate?

Il NER individua le entità nel testo — le persone, le organizzazioni, i luoghi, ecc. L'estrazione di relazioni va un passo oltre e classifica come una coppia di entità è correlata. L'output del NER è di fatto un prerequisito: l'estrazione di relazioni opera sulle entità che il NER ha già rilevato.

Ho bisogno di dati etichettati?

Sì. L'estrazione di relazioni qui è un compito supervisionato che presuppone la disponibilità di un set di dati di relazioni etichettato, utilizzato per addestrare e valutare il classificatore di relazioni.

Quanto testo mi serve?

È raccomandato un minimo di circa 100 documenti. Con meno documenti, la classificazione delle relazioni diventa inaffidabile.

Che aspetto ha l'output?

L'output è un insieme di relazioni semantiche tipizzate tra coppie di entità — fatti strutturati entità–relazione–entità estratti dal testo e verificati rispetto ai dati di relazioni etichettati durante la valutazione.

Metodi correlati

Fonti

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

    Apri il riferimento della pubblicazione
    Copiato.
  2. Soares, L. B., FitzGerald, N., Ling, J. & Kwiatkowski, T. (2019). Matching the Blanks: Distributional Similarity for Relation Learning. Proceedings of ACL 2019.

    Apri il riferimento DOI
    Copiato.