规则方法关系抽取-笔记总结

关系抽取笔记总结

一、课程目标

properties 复制代码

实现关系抽取任务

二、关系抽取应用的场景

properties 复制代码

知识图谱构建：必备环节--》关系抽取
信息检索和推荐
信息提取

三、关系抽取课程大纲内容

properties 复制代码

1.基于规则实现关系抽取任务
2.基于BiLSTM+Attention实现了关系任务分类
3.基于CasRel模型实现多元嵌套关系的抽取

四、关系抽取任务介绍

4.1 概念

properties 复制代码

定义：对于一段文本，抽取出其中的SPO三元组,
S:subject;主实体
P:predicate; 关系(预测)
O:object; 客实体

4.2 两大任务：

properties 复制代码

1.实现实体的抽取任务（NER）
2.基于实体实现关系的分类（RE）

4.3 主要实现方法

properties 复制代码

1.基于规则方式: 人为设定规则，抽取spo三元组
2.基于pipeline方式: 先完成实体抽取任务，然后在实体基础上完成关系分类
3.基于joint方式: 联合抽取任务，经过一个复杂的模型网络一次性抽取spo三元组

4.4 主要评价指标

properties 复制代码

precision: 预测为正类的样本中实际为正类的比例
recall: 实际为正类的样本中预测为正类的比例
F1-score: 2*p*r / (p+r)

4.5 主要问题

正常（normal）

properties 复制代码

一对实体只有一种关系
eg: "《人间》是王菲演唱歌曲"中存在1种关系:  (王菲-歌手-人间)

单一实体关系重叠问题（seo）

properties 复制代码

一个实体存在多种关系
eg:"叶春叙出生于浙江，毕业于黄埔军校"中存在两种关系:  (叶春叙-毕业院校-黄埔军校) 、 (叶春叙-出生地-浙江)

实体对重叠问题（epo）

properties 复制代码

一对实体存在多种关系
eg: "周星驰导演了《功夫》，并担任男主角"中存在2种关系:  (周星驰-演员-《功夫》) 、 (周星驰-导演-《功夫》)

五、基于规则实现关系抽取

5.1 实现原理

properties 复制代码

1. 定义关系集合类型：【夫妻关系、合作关系。。。】
2. 去除非实体和关系的文本
3. 基于实体列表和关系列表遵循就近原则匹配，实现spo三元组的组合（抽取）

5.2 代码实现

properties 复制代码

# 导入需要的工具包
import jieba
import jieba.posseg as pseg

# 需要进行关系抽取的样本数据
samples = [
	"2014年1月8日，杨幂与刘恺威的婚礼在印度尼西亚巴厘岛举行",
	"周星驰和吴孟达在《逃学威龙》中合作出演",
	'成龙出演了《警察故事》等多部经典电影'
	]

# 1。定义需要抽取的关系集合
relations2dict = {'夫妻关系':['结婚', '领证', '婚礼'],
                  '合作关系': ['搭档', '合作', '签约'],
                  '演员关系': ['出演', '角色', '主演']}

# 2。遍历每一段文本，去除非实体和非关系的词语
for text in samples:
    print("原始文本：", text)
    # 定义空列表entity
    entites = [] # 存储实体
    relations = [] # 存储关系
    movie_name = [] #  存储电影名称
    for word, flag in pseg.lcut(text):
        # 寻找人名这个实体
        if flag == 'nr':
            entites.append(word)
        # 如果是电影名称需要特殊处理
        elif flag == 'x':
            if len(movie_name) == 0:
                movie_name.append(text.index(word))
            else:
                movie_name.append(text.index(word))
                entites.append(text[movie_name[0]+1: movie_name[1]])
        # 寻找关系
        else:
            for key, value in relations2dict.items():
                if word in value:
                    relations.append(key)
    print(entites)
    print(relations)
    if len(entites) >= 2 and len(relations) >=1:
        print('提取结果：', entites[0] + '->' + relations[0] + '->' + entites[1])
    else:
        print("不好意思，暂时没有抽取出spo三元组")
    print('*'*80)

5.3 优缺点

优点

properties 复制代码

简单、在较小的数据集上表现不错

缺点

properties 复制代码

泛化性能较差，可移植性较差