Loading...
墨滴

萤窗小语

2021/10/11  阅读:26  主题:全栈蓝

知识图谱的抽取与构建

知识图谱的抽取与构建

在这里插入图片描述在这里插入图片描述

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

知识抽取——实体识别与分类

在这里插入图片描述 在这里插入图片描述

HMM

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

EM

在这里插入图片描述
在这里插入图片描述

维特比

在这里插入图片描述 在这里插入图片描述

CRF

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

BiLSTM+CRF

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

实体识别仍面临着标签分布不平衡,实体嵌套等问题,制约了现实应用; Ø中文的实体识别面临一些特有的问题,例如:中文没有自然分词、用字变化多、简化表达现象严重等等; Ø实体识别是语义理解和构建知识图谱的重要一环,也是进一步抽取三元组和 关系分类的前提基础。

知识抽取——关系抽取与属性补全

实体关系抽取的任务定义 Ø 从文本中抽取出两个或者多个实体之间的语义关系; Ø 从文本获取知识图谱三元组的主要技术手段,通常被用于知识图谱 的补全。

在这里插入图片描述 基于模板的方法:基于触发词匹配的关系抽取 基于模板的方法:基于依存句法匹配的关系抽取

Ø优点 Ø在小规模数据集上容易实现 Ø构建简单 Ø缺点 Ø特定领域的模板需要专家构建 Ø难以维护 Ø可移植性差 Ø规则集合小的时候,召回率很低

监督学习

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

递归神经网络

在这里插入图片描述
在这里插入图片描述

CNN

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

BiLSTM

在这里插入图片描述
在这里插入图片描述

图神经网络

在这里插入图片描述
在这里插入图片描述

预训练语言模型

在这里插入图片描述
在这里插入图片描述

实体关系联合抽取

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

半监督学习

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

萤窗小语

2021/10/11  阅读:26  主题:全栈蓝

作者介绍

萤窗小语