資料來源： Knowledge Graph tutorial (AAAI 2017－part 2)
相關(guān)鏈接：https://kgtutorial.github.io/slides/Part2b_IE.pdf
問題背景
知識抽?。↖nformation Extraction）主要是在完成一系列分詞、詞性標注等NLP任務(wù)等的基礎(chǔ)上，從打上詞性標簽的句子中提取信息。現(xiàn)有的提取系統(tǒng)主要有：OpenIE，ConceptNet，NELL，KnowledgeVault。
知識圖譜中信息一般以三元組的方式進行組織，一般來說有（實體，關(guān)系，實體）和（實體，屬性，屬性值）兩種形式。在信息提取的過程主要包含如下三個任務(wù)：
1. 如何確定領(lǐng)域知識（Define domain）？
2.如何提取三元組（Information extraction）？
3.如何評估提取出的三元組的可靠性（Scoring the candidate facts）？
針對每一個任務(wù)，當前均有三種解決方式：1. 監(jiān)督（純手工），2.半監(jiān)督（人機交互），3.無監(jiān)督（機器學習）。以下將簡略介紹針對每一個任務(wù)的三種解決方式。
任務(wù)1: ?領(lǐng)域知識的確定
之所以要確定領(lǐng)域知識，一方面是為了在信息提取任務(wù)中可以有效避免語義漂流（semantic drift），一方面是為了在后期的評估任務(wù)中可以過濾掉悖于領(lǐng)域知識的三元組。
case1: ?監(jiān)督。需要領(lǐng)域?qū)＜抑R來構(gòu)造高層語義網(wǎng)絡(luò)，精度高但代價昂貴。
case2: ?半監(jiān)督。人工列出所需構(gòu)建的實體，和實體之間的層次關(guān)系。利用機器學習的方式從語料庫中學習實體之間的關(guān)系。
case3: ?無監(jiān)督。將句子中的任何動詞作為關(guān)系，任何名詞作為實體。精度低，容易引入噪聲。
任務(wù)2:三元組的提取
case1:? 無監(jiān)督。需要領(lǐng)域?qū)＜抑R手工編寫規(guī)則／模式，例如用“A work for B”來描述雇傭關(guān)系，然后將這樣的規(guī)則／模式應(yīng)用入句子，來挖掘出具體的三元組。
case2: ?半監(jiān)督。人工給出種子實例（Seed instances），例如”（John，HuaWei），（Alice，Apple）“。然后交給機器，學習出這類種子實例中所包含的模式 (Pattern) ——“A work for B”，接著利用該模式挖掘新的符合該模式的實例，再將這些新的實例加入種子實例中。所以，上述過程是一個bootstrap的過程。
在這個過程中，還可以引入人工互動。例如對機器學習到的模式，可以進行人工的篩選。對新學習到的三元組實例可以標注正負例。
case3: ?無監(jiān)督。將句子中符合一定語法規(guī)則的動詞作為關(guān)系，將該動詞左右的名詞作為實體。
任務(wù)三：可靠性評估
case1:? 無監(jiān)督。人工設(shè)計評估函數(shù)?；驈拇笠?guī)模打好標簽數(shù)據(jù)中學習到特定的評估函數(shù)。耗時長，精度高。
case2: ?半監(jiān)督。迭代的方法。打標簽的數(shù)據(jù)和未打標簽的數(shù)據(jù)共存，不斷迭代，refain。
case3: ?無監(jiān)督。一個模式的得分正比于抽取出該模式所使用到的實例的個數(shù)。一個三元組的得分正比于抽取出該三元組所使用到的模式個數(shù)。
