Skip to content
返回搜索结果

关系抽取 — 实体间的语义关系

类型
NLP information-extraction task

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

关系抽取是一项自然语言处理任务,用于检测和分类文本中实体所存在的语义关系。它建立在早期的基于核的方法(Zelenko et al., 2003)和后来的神经匹配方法(Baldini Soares et al., 2019)之上,将自由形式的文本转化为实体–关系–实体形式的结构化事实。

方法背后的直觉

一个句子可以提及两个事物——一个人和一家公司,一种药物和一个疾病——并悄悄地说明它们是如何关联的。关系抽取就是从文本中读出这种关联并对其进行标记。该方法不仅识别出现的实体,还询问什么关系连接给定的实体对,并为每对实体分配一个来自预定义集合的关系类型。

历史学

关系抽取源于基于核的机器学习方法,Zelenko等人(2003)的例子就是应用核方法从文本中提取关系。该任务后来转向神经表示,Baldini Soares等人(2019)引入了“匹配空白”方法,该方法从分布相似性中学习关系表示,反映了向预训练模型发展的广泛趋势。

何时使用

当您拥有文本数据并想要实体之间的语义链接,而不仅仅是实体本身时,关系抽取就适用。它假设存在一个标记的关系数据集,需要NER输出作为前提条件,并且需要先完成文本预处理。由于这是一项监督任务,建议至少需要大约100篇文档,因此最适合支持可靠关系分类的大型语料库。

局限与注意事项

  • 需要一个标记的关系数据集,该数据集构建成本高昂。
  • 依赖于命名实体识别作为前提条件,因此NER错误会传播到提取的关系中。
  • 需要足够大的语料库——大约100篇或更多文档——才能可靠地分类关系。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 将非结构化文本转化为结构化的实体–关系–实体事实,可用于知识库和下游分析。
  • 对实体之间的语义链接进行分类,超越了仅仅检测实体本身的存在。
  • 支持文本语料库的解释性和关系性分析。

应用

  • 从文本中挖掘结构化的实体–关系–实体事实来填充知识库。
  • 从文档中提取诸如人物–组织或药物–疾病之类的关联。
  • 支持需要类型化关系而非原始实体提及的信息抽取流程。
  • 实现大型文本语料库的关系性和解释性分析。

使用方式

使用方式

1

原始文本经过清洗和准备,以便下游组件看到一致的输入。文本预处理是该方法的一个明确假设:没有它,实体检测和关系分类将作用于嘈杂、不一致的单元。

2

首先运行命名实体识别(NER)来定位文本中的实体——其输出是关系抽取的前提条件。然后从识别出的实体中形成候选实体对,以便检查每对实体是否存在可能的关系。

3

使用在标记关系数据集上训练的模型,将每个候选实体对分类为一种语义关系类型。输出是一组连接实体对的类型化关系,将文本转化为结构化的实体–关系–实体事实。

4

预测的关系与标记的关系数据进行评分,以便在信任并使用提取的关系进行下游处理之前检查其质量。

常见陷阱

  • 跳过文本预处理会留下嘈杂、不一致的单元,从而降低实体检测和关系分类的性能。
  • 将NER视为可选:关系抽取依赖于实体检测,因此薄弱的NER输出会削弱整个流程。
  • 在文档数量不足(少于约100篇)的情况下运行,会导致关系分类不可靠。
  • 假设每个实体对都存在某种关系;许多对不携带定义的关联,应被归类为无关系。

常见问题

关系抽取与命名实体识别有何不同?

NER在文本中查找实体——人物、组织、地点等。关系抽取更进一步,对实体对之间的关系进行分类。NER的输出实际上是前提条件:关系抽取作用于NER已检测到的实体。

我需要标记数据吗?

是的。这里的关系抽取是一项监督任务,假设存在一个标记的关系数据集,用于训练和评估关系分类器。

我需要多少文本?

建议至少需要大约100篇文档。文档数量少于此,关系分类将变得不可靠。

输出是什么样的?

输出是实体对之间的类型化语义关系集合——从文本中提取的结构化实体–关系–实体事实,并在评估期间与标记的关系数据进行核对。

相关方法

参考文献

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

    打开出版物文献
    已复制。
  2. Soares, L. B., FitzGerald, N., Ling, J. & Kwiatkowski, T. (2019). Matching the Blanks: Distributional Similarity for Relation Learning. Proceedings of ACL 2019.

    打开 DOI 文献
    已复制。