落叶知秋|自然语言处理技术研究方向之知识抽取( 二 )


利用深度学习进行关系抽取又存在两大分支 , 一个是Pipline的方法 , 即我们必须先进行实体识别 , 然后再做关系抽取 。 而另一个就是Joint Model的方法 , 即把实体识别和关系抽取两个任务同时建模 , 在训练的过程中同时优化 。
知识抽取之事件抽取:事件:具有事件、地点、参与者等基本要素 , 可由某个动作触发或者状态改变而发生的一个图结构知识片段 。
事件抽取:从数据中抽取事件信息 , 并以结构化或者语义化的形式展现 , 例如事件发生的时间、地点、原因、参与者等等 。
事件抽取冲包含一些相关术语 , 先有了解:
落叶知秋|自然语言处理技术研究方向之知识抽取事件抽取含有多项子任务:
落叶知秋|自然语言处理技术研究方向之知识抽取
首先还是基于模板和规则的方法 , 其次就是传统的机器学习方法 , 定义为分类任务 , 依赖于句法分析、词性标注等NLP工具 。
【落叶知秋|自然语言处理技术研究方向之知识抽取】最主要的还是目前的深度学习方法 , 这里和关系抽取类似 , 又分为Pipline和Joint Model的方法 。 如下图
落叶知秋|自然语言处理技术研究方向之知识抽取这些材料 可以去东南大学的知识图谱课程中进一步详细整理


推荐阅读