信息抽取的介绍

前言

一、信息抽取的相关概念介绍

非结构化数据：诸如图片、文本、video、音频等数据，需要加以处理才能被模型训练。
抽取实体： 人、地名、时间，比如医疗领域：蛋白质、疾病、药物等等。
抽取关系：位于、工作在、部分等。
指代消解：判断一个代词具体是指向哪个实体。

命名实体识别(NER)：识别文本中具有特定意义的实体。NER任务中的常用模型包括生成式模型HMM、判别式模型CRF等，但是之后出现的BILSTM-CRF效果要远好于之前的常用模型，并且成为目前基于深度学习的NER方法中的最主流模型。
NER评估方法：精确率/召回率，F1-score。

二、命名实体识别(NER)所使用的方法

2-1、利用规则

1、利用一个制定好的规则
2、利用已经定义好的词典

2-2、投票模型

即统计每个单词的实体类型，记录针对于每个单词，概率最大的实体类型。

2-3、利用分类模型

非时序模型：逻辑回归、SVM
时序模型：HMM，CRF，LSTM-CRF

参考文章：
信息抽取——关系抽取.

总结