2 关系提取技术

关系抽取需要从文本中抽取两个或多个实体之间的语义关系，主要方法有下面几类：

基于模板的方法(hand-written patterns)

基于触发词/字符串

基于依存句法

监督学习(supervised machine learning)

机器学习

深度学习（Pipeline vs Joint Model）

半监督/无监督学习(semi-supervised and unsupervised)

Bootstrapping

Distant supervision

Unsupervised learning from the web

规则抽取

目的：找出尽可能多的拥有"is - a"关系的实体对（实体1，is - a，实体2） 比如我们有一些文章:

" .... apple is a fruit ..... "

" .... fruit such as apple .... "

" .... fruit including apple , banala .... "

拿到上述文章时，我们要先设计一些规则，例如:

X is a Y

Y such as X

Y including X

然后通过这些规则我们可以对上述文章进行关系抽取，建立以下关系:

方法优点

比较准确

对于垂直场景，比较适合（具有针对性）

方法缺点

信息缺乏覆盖率(low recall rate)

人力成本较高

很难设计（规则冲突、重叠）

PCNN

下图清晰了显示了PCNN的整个网络架构，原文链接在这里，下面我对着下图介绍一下PCNN的实现过程：

数据预处理：首先对数据进行位置编码，按句子中各个词离entity的距离进行编码。

例如：“As we known，Steve Jobswas the co-founder ofApple Incwhich is a great company in America.”

由于句子中有两个entity，所以这条句子就会产生两个和句子长度相同的编码。

pos_1:[-4,-3,-2,-1,0,1,2,3......] ,其中0就是Steve Jobs的位置。

pos_2:[-9,-8,-7,-6,-5,-4,-3,-2,-1,0,1,2,3......] 其中0就是Apple Inc的位置。

切分句子：其中最主要的就是将一条文本数据在两个entity处各切一刀将文本且成了3段。

比如 As we known，Steve Jobswas the co-founder ofApple Incwhich is a great company in America，将被切成：

As we known，Steve Jobs

Steve Jobswas the co-founder ofApple Inc

Apple Incwhich is a great company in America.

注意，位置向量也同样进行了切分操作。

特征提取：将位置特征和文本特征拼接之后，然后将上面三个数据分别通过CNN 提取特征，

关系分类：提取出来的特征通过maxpooling层之后进行拼接后送入softmax层，最终得到relation的分类。

pcnn.png

从上面PCNN的流程我们可以发现，这个网络结构很注重entitiy之间的距离信息，位置信息，以及entitiy之间或者左右的信息。其实这些都是是关系抽取中最重要的特征。

一般来说两个entitiy之间距离越近，则他们有关系的可能性越大。

而透露出entities之间有关系的词一般会出现在两个entity之间，左侧，或者右侧。

例如：Steve Jobswas the co-founder ofApple Inc， 关系词 co-founder就在两个entity之间