知識圖譜(知識圖譜構建)
阿新 • • 發佈:2018-11-12
-
大綱:
-
1、基於非結構話資料的知識抽取
-
2、基於結構化資料的知識抽取
-
3、知識融合與質量評估
基於非結構化資料的知識抽取(比重比較大)
lstm學習特徵輸入crf生成更復雜的特徵
關係抽取抽取的是兩個實體之間滿足的什麼關係
事件抽取更泛化一些,多個實體,多個關係
不同事件抽取內容引數要求不同
不同事件有不同的觸發詞,觸發詞包含哪些元素
深度學習特徵抽取
CNN:Event Extraction via Dynamic Multi-Pooling Convolutional
RNN:
Joint Event Extraction via Recurrent Neural Networks
小結:
非結構化資料的知識抽取
實體識別:
基於規則和詞典的方法
基於統計方法
基於深度學習
關係抽取
規則引擎:Ratel
遠端監督
事件抽取
預定義事件的模版
觸發詞->事件型別 ->引數識別 ->引數角色識別
基於結構化資料的知識抽取(面向物件資料庫資料)
知識融合與質量評估
不同資料來源資料進行合併