面向開放域信息抽取的關系知識庫建立.pdf

1、近年來,許多知識庫,例如DBpeida、YAGO、Freebase和Zhishi.me,都以鏈接數(shù)據(jù)的形式發(fā)布在萬維網(wǎng)上,這些知識庫對于人類瀏覽和機器訪問都非常有用。然而,較之這些知識庫中各種數(shù)量龐大的不同的實體,其中獨立的關系的數(shù)目卻屈指可數(shù)。進一步地,這些知識庫僅僅從結構化或者半結構化數(shù)據(jù)源中抽取數(shù)據(jù),從而忽視了非結構化文本數(shù)據(jù)中的隱性知識,而事實上非結構化的文本數(shù)據(jù)目前在萬維網(wǎng)上數(shù)量巨大且高速增長。另一方面,開放域信息抽取,比如機

2、器閱讀和永無止境的語言學習項目,則注重于在萬維網(wǎng)尺度下從文本中抽取實體和他們之間的關系。在這種背景下,建立一個面向開放域信息抽取的關系知識庫是對現(xiàn)有工作的一個很好的補充。
　　在本文中,我們定義了一個面向開放域信息抽取的關系知識庫的基本結構,并設計了建立這樣一個知識庫的基本架構。進一步來說,對于每一個關系,我們的關系知識庫不僅僅包含主語賓語對作為這個關系的示例,同時也抽取高層次的關系約束,比如這個關系的定義域、值域和依存路徑模式。

3、所有這些信息對于描述關系都是非常有效的,即可以用來作為是對那些基于實體的鏈接數(shù)據(jù)的一種補充,也可以用來作為進一步的自然語言處理的訓練數(shù)據(jù),或者高質量的本體數(shù)據(jù),為了未來新增數(shù)據(jù)的抽取進行服務。我們的關系知識庫建立過程是從文本中自動地獲取關系示例和關系約束的相關信息,這本身又是借助了開放域信息抽取的概念。因為關系示例和關系約束兩者的獲取具有高度的耦合性,我們從文本中抽取了候選信息之后,采用了一種原創(chuàng)的基于期望最大化的算法來評估候選信息的可