面向開放域信息抽取的關(guān)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(guān)系的數(shù)目卻屈指可數(shù)。進一步地,這些知識庫僅僅從結(jié)構(gòu)化或者半結(jié)構(gòu)化數(shù)據(jù)源中抽取數(shù)據(jù),從而忽視了非結(jié)構(gòu)化文本數(shù)據(jù)中的隱性知識,而事實上非結(jié)構(gòu)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(guān)系。在這種背景下,建立一個面向開放域信息抽取的關(guān)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(guān)系知識庫的基本結(jié)構(gòu),并設(shè)計了建立這樣一個知識庫的基本架構(gòu)。進一步來說,對于每一個關(guān)系,我們的關(guān)系知識庫不僅僅包含主語賓語對作為這個關(guān)系的示例,同時也抽取高層次的關(guān)系約束,比如這個關(guān)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(guān)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(zhì)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(wù)。我們的關(guān)系知識庫建立過程是從文本中自動地獲取關(guān)系示例和關(guān)系約束的相關(guān)信息,這本身又是借助了開放域信息抽取的概念。因為關(guān)系示例和關(guān)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