關(guān)系抽取需要從文本中抽取兩個或多個實體之間的語義關(guān)系，主要方法有下面幾類：

基于模板的方法(hand-written patterns)

基于觸發(fā)詞/字符串

基于依存句法

監(jiān)督學習(supervised machine learning)

機器學習

深度學習（Pipeline vs Joint Model）

半監(jiān)督/無監(jiān)督學習(semi-supervised and unsupervised)

Bootstrapping

Distant supervision

Unsupervised learning from the web

規(guī)則抽取

目的：找出盡可能多的擁有"is - a"關(guān)系的實體對（實體1，is - a，實體2） 比如我們有一些文章:

" .... apple is a fruit ..... "

" .... fruit such as apple .... "

" .... fruit including apple , banala .... "

拿到上述文章時，我們要先設(shè)計一些規(guī)則，例如:

X is a Y

Y such as X

Y including X

然后通過這些規(guī)則我們可以對上述文章進行關(guān)系抽取，建立以下關(guān)系:

方法優(yōu)點

比較準確

對于垂直場景，比較適合（具有針對性）

方法缺點

信息缺乏覆蓋率(low recall rate)

人力成本較高

很難設(shè)計（規(guī)則沖突、重疊）

PCNN

下圖清晰了顯示了PCNN的整個網(wǎng)絡架構(gòu)，原文鏈接在這里，下面我對著下圖介紹一下PCNN的實現(xiàn)過程：

數(shù)據(jù)預處理：首先對數(shù)據(jù)進行位置編碼，按句子中各個詞離entity的距離進行編碼。

例如：“As we known，Steve Jobswas the co-founder ofApple Incwhich is a great company in America.”

由于句子中有兩個entity，所以這條句子就會產(chǎn)生兩個和句子長度相同的編碼。

pos_1:[-4,-3,-2,-1,0,1,2,3......] ,其中0就是Steve Jobs的位置。

pos_2:[-9,-8,-7,-6,-5,-4,-3,-2,-1,0,1,2,3......] 其中0就是Apple Inc的位置。

切分句子：其中最主要的就是將一條文本數(shù)據(jù)在兩個entity處各切一刀將文本且成了3段。

比如 As we known，Steve Jobswas the co-founder ofApple Incwhich is a great company in America，將被切成：

As we known，Steve Jobs

Steve Jobswas the co-founder ofApple Inc

Apple Incwhich is a great company in America.

注意，位置向量也同樣進行了切分操作。

特征提取：將位置特征和文本特征拼接之后，然后將上面三個數(shù)據(jù)分別通過CNN 提取特征，

關(guān)系分類：提取出來的特征通過maxpooling層之后進行拼接后送入softmax層，最終得到relation的分類。

pcnn.png

從上面PCNN的流程我們可以發(fā)現(xiàn)，這個網(wǎng)絡結(jié)構(gòu)很注重entitiy之間的距離信息，位置信息，以及entitiy之間或者左右的信息。其實這些都是是關(guān)系抽取中最重要的特征。

一般來說兩個entitiy之間距離越近，則他們有關(guān)系的可能性越大。

而透露出entities之間有關(guān)系的詞一般會出現(xiàn)在兩個entity之間，左側(cè)，或者右側(cè)。

例如：Steve Jobswas the co-founder ofApple Inc， 關(guān)系詞 co-founder就在兩個entity之間