知识图谱学习笔记——知识抽取概述

0. 前言

最近在看王昊奋老师的《知识图谱》，打算做一下学习笔记，当作是知识梳理。
这篇文档主要梳理知识图谱中的知识抽取方面的内容。在知识抽取中，有面向非结构化数据，半结构化数据，以及结构化数据的知识抽取。非结构化数据指的是平时看到的文本，比如新闻文稿；结构化数据是指整理过的具有比较严格的结构关系的数据，比如企业中关系数据库中的数据；半结构化数据是指具有一定的结构化形式，但仍然需要进行自然语言处理的数据，比如百度百科中整理过的词条信息。
这篇文章中，主要是围绕面向非结构化数据的知识抽取进行介绍。在非结构化数据的知识抽取中，主要一下有三个子任务：

• 实体抽取
• 关系抽取
• 事件抽取

下面主要针对这三个子任务进行介绍。

1. 实体抽取

实体抽取，也就是平时所说是明明实体识别(NER)，主要是从文本中抽取实体信息元素，包括人名、机构名、地名、时间等等。比如

鸣人成了木叶忍者村的火影。

上面这个句子中鸣人是人名，木叶忍者村是组织，火影是职业。
实体抽取的方法主要有：

• 基于规则的方法
• 基于统计模型的方法
• 基于深度学习的方法

1.1 基于规则的方法

基于规则的方法主要是根据领域专家的知识，构建实体抽取规则，再将这些规则与文本进行匹配，识别命名实体。这中方法的优点是在小数据集上可以达到很高的准确率和召回率，但缺点是在大数据集上规则的构建成本比较大，且迁移成本高。

1.2 基于统计模型的方法

除了基于规则之外，还可以使用统计学习模型的方法对文本