关系抽取（一）
1.什么是关系抽取
从文本中识别实体并抽取实体之间的语义关系，即给定关系集合$R$，从文本中抽取出满足关系集合R中某一关系的三元组（triples）。
三元组：由一个实体对$<e1, e2>$和实体之间关系$r$组成，可表示为$r(e1,e2)$或者$(e1, r, e2)$，其中的关系$r$属于给定关系集合$R$。
例如：从下面这段文本中抽取出如下三元组：
International Business Machines Corporation (IBM or the company) was incorporated in the State of New York on June 16, 1911.
- Founding-year (IBM, 1911)
- Founding-location (IBM, New York)
2.关系抽取的应用
- 创建新的结构化知识库(knowledge base)并且增强现有知识库
- 构建垂直领域知识图谱：医疗，化工，农业，教育等
- 支持上层应用：问答，搜索，推理等。
3.关系抽取的方法
（1）基于规则方法
1.完全基于规则
编写句型和关系的对应规则，即满足特定形式的句型即可抽取出相应的关系。
Rule：A located in B $\longrightarrow\longrightarrow$ located in (A, B)
Text：Alibaba located in Hanzhou
triples：located in (Alibaba, Hanzhou)
2.规则+命名实体识别
基于关系一般发生在特定实体之间的思想，对规则加上实体类别的限定。
Rule：A (Organization) located in B (Loaction) $\longrightarrow\longrightarrow$ located in (A, B)
Text：Alibaba located in Hanzhou
triples：located in (Alibaba, Hanzhou)
3.基于规则方法的优缺点
人工规则精度高；但是人工成本高、召回率低。
（2）有监督的学习方法
将关系抽取任务当作分类问题，根据训练数据设计有效的特征，从而学习各种分类模型，然后使用训练好的分类器预测关系。
1.流水线的方法（Pipelined Method）
- 思想
输入一个句子，首先进行命名实体识别，然后对识别出来的实体进行两两组合，再进行关系分类，最后把存在实体关系的三元组作为输入。
- 缺点
1）错误传播，实体识别模块的错误会影响到下面的关系分类性能；
2）忽视了两个子任务之间存在的关系；
3）产生了没必要的冗余信息，有关系的实体会带来多余信息，提升错误率。
2.实体识别和关系抽取联合学习（Joint Learning）
- 思想
输入一个句子，通过实体识别和关系抽取联合模型，直接得到有关系的实体三元组。
-
基于序列标注策略
2017年ACL论文《Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme》
对句子中每一个单词按如下方式进行标注：
1）实体中词的位置信息{B（实体开始），I（实体内部），E（实体结尾），S（单个实体）}；
2）关系类型信息{根据预先定义的关系类型进行编码}；
3）实体角色信息{1（实体1），2（实体2）}。
根据标签序列，将同样关系类型的实体合并成一个三元组作为最后的结果，如果一个句子包含一个以上同一类型的关系，那么就采用就近原则来进行配对。
目标函数：
问题：
一个关系，对应有多个主体，多个实体，主体和实体怎么配对？
3.有监督方法的评估
计算precision，recall以及F1。
4.有监督方法的问题
该方法的问题在于需要大量的人工标注训练语料，而语料标注工作通常非常耗时耗力。
（3）半监督的学习方法
主要采用Bootstrapping进行关系抽取。对于要抽取的关系，该方法首先手工设定若干种子实例，然后迭代地从数据中抽取关系对应的关系模板和更多的实例。
具体步骤：
-
收集一些关系为R的种子对（seed pair）
-
迭代
- 找到包含这些单词对的句子
-
找到这些单词对的上下文，泛化成模式（pattern）
- 找到新的单词对
（4）无监督的学习方法
基于假设：拥有相同语义关系的实体对拥有相似的上下文信息。
利用每个实体对所对应的上下文信息来代表该实体对的语义关系，并对所有实体对的语义关系进行聚类。
具体步骤：
- 对每个关系（relation）中的每一对元组，在语料库中找到同时包含这两个实体的句子
- 抽取高频的特征（语法分析、单词等）
- 用这些模式来训练监督模型
参考链接
https://blog.csdn.net/qq_27009517/article/details/80065789
https://blog.csdn.net/sinat_36972314/article/details/80266698
