实体关系抽取方法研究综述

被引：90

作者：

李冬梅

张扬

李东远

林丹琼

机构：

[1] 北京林业大学信息学院

[2] 国家林业草原林业智能信息处理工程技术研究中心

来源：

计算机研究与发展 | 2020年 / 57卷 / 07期

关键词：

自然语言处理; 实体关系抽取; 机器学习; 深度学习; 开放领域;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在自然语言处理领域,信息抽取一直以来受到人们的关注。信息抽取主要包括3项子任务:实体抽取、关系抽取和事件抽取,而关系抽取是信息抽取领域的核心任务和重要环节.实体关系抽取的主要目标是从自然语言文本中识别并判定实体对之间存在的特定关系,这为智能检索、语义分析等提供了基础支持,有助于提高搜索效率,促进知识库的自动构建.综合阐述了实体关系抽取的发展历史,介绍了常用的中文和英文关系抽取工具和评价体系.主要从4个方面展开介绍了实体关系抽取方法,包括:早期的传统关系抽取方法、基于传统机器学习、基于深度学习和基于开放领域的关系抽取方法,总结了在不同历史阶段的主流研究方法以及相应的代表性成果,并对各种实体关系抽取技术进行对比分析.最后,对实体关系抽取的未来重点研究内容和发展趋势进行了总结和展望.

引用

页码：1424 / 1448

页数：25

共 32 条

[21] Exploring various knowledge in relation extraction .2 GuoDong Z,Jian S,Jie Z,et al. Proceedings of the 43rd Annual Meeting on Association for Computational Linguistics . 2005
[22] Semi-supervised learning using Gaussian fields and harmonic functions .2 Zhu X,Ghahramani Z,Lafferty J. Proc of the 20th Int Conf on Machine Learning . 2003
[23] 无指导的中文开放式实体关系抽取
秦兵
刘安安
刘挺
[J]. 计算机研究与发展, 2015, (05) : 1029 - 1035
[24] 基于句法语义特征的中文实体关系抽取
郭喜跃
何婷婷
胡小华
陈前军
[J]. 中文信息学报, 2014, (06) : 183 - 189
[25] 基于Deep Belief Nets的中文名实体关系抽取
陈宇
郑德权
赵铁军
[J]. 软件学报, 2012, 23 (10) : 2572 - 2585
[26] 基于合一句法和实体语义树的中文语义关系抽取
虞欢欢
钱龙华
周国栋
朱巧明
[J]. 中文信息学报, 2010, (05) : 17 - 23
[27] 基于卷积树核的无指导中文实体关系抽取研究
黄晨
钱龙华
周国栋
朱巧明
[J]. 中文信息学报, 2010, (04) : 11 - 17
[28] 基于扩展关联规则的中文非分类关系抽取
温春
石昭祥
辛元
[J]. 计算机工程, 2009, 35 (24) : 63 - 65
[29] 基于核函数中文关系自动抽取系统的实现
刘克彬
李芳
刘磊
韩颖
[J]. 计算机研究与发展, 2007, (08) : 1406 - 1411
[30] 用语义模式提取实体关系的方法
邓擘
樊孝忠
杨立公
[J]. 计算机工程, 2007, (10) : 212 - 214

← 1 2 3 4 →