1.什么是資訊抽取
即自動從無結構或半結構的文本中抽取出結構化資訊的任務(病歷抽取)
2.物體抽取
3.關系抽取
4.事件抽取
資訊抽取和知識圖譜是一個上下游的關系，抽取的結果，可以組裝成知識圖譜（一種存盤知識的結構）
醫療、金融、法律，三大行業用得比較多
從問診中抽取資訊
貸款審核，大量的紙質、DPF檔案，需要將里面的資訊進行匹配審核
根據抽取結果在不在原文中對資訊抽取分類
這次我們只關注抽取式，不在原文中的情況需要參考生成方法
- 抽取式：結果在原文中
- 生成式：結果不在原文中，如果生成的結果需要一個知識做為輔助，就需要知識圖譜，很多時候不需要知識圖譜
抽取式分類
- 物體抽取
- 關系抽取
- 事件抽取
資訊抽取的通用評測指標，所有的資訊抽取都可以用它評
Precision：抽取出來的結果，抽出來10個，5個對的，就是 50%
Recall：關注模型漏了哪些東西，指標0~1，數值越高，模型越好
F1：Precision和Recall的綜合平均，是兩個的綜合反映
抽取模型的關鍵要素：解碼設計
物體抽取
從一段文本中抽取出文本內容，并識別為預定義的類別
一般是 BIO 解碼方式 + CRF 模型結構
復雜的物體抽取，無法用 BIO 直接解決（用到關系抽取）
復雜物體抽取中的問題1：重疊嵌套
復雜物體抽取中的問題2：不連續
關系抽取
從文本中抽取出一對物體和預定義的關系型別，得到包含語意資訊的物體關系三元組關系是有方向的，抽取的兩個物體一般稱作頭物體（HeadEntity）和尾物體（TailEntity）
關系分類是關系抽取的第二步
解碼設計
訓練集需要人工標注或其它標注
簡單關系抽取
復雜關系抽取，將 CRF 升級成 Sigmoid，判斷大于 0.5 是一個類別，小于則不是
物體對組合
效果最好的模型，可以預測很多個類別
SPO 主謂賓
事件抽取
從一段文本中抽取出預定義的事件觸發詞和事件要素，組合為相應的結構化資訊除了事件，實際應用中資訊抽取的結果可能更加復雜，但都可以拆成關系抽取
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/555651.html
標籤：其他
下一篇：返回列表