中文信息抽取技术初探索

先推荐一篇博士论文：

【中文事件抽取关键技术研究-谭红叶】

以下大部分内容都是从这篇博士论文中整理出来的。

在MUC评测会议上，信息抽取定义包括：

• 命名实体的识别（Named entities，NE)
• 命名实体关系的抽取（Template relation，TR）
• 指定事件及其主要论元角色的抽取 (Scenario template ，ST)
• 模板元素的填充（Template element，TE）
• 共指关系的确定（conference）

在ACE评测会议上，信息抽取定义定义的抽取是在单个文档内部进行（Document level IE），不受其他文档的影响，不属于跨文档的信息抽取（Across document IE）。包括：

• 实体的检测和识别（Entity detection and recognition, EDR）
• 关系的检测和识别(Relation detection and recognition, RDR）
• 事件的检测与识别(Event detection and recognition, VDR)
• 值 的 检 测 和 识 别 (Value detection and Recognition, VAL)
• 时间的检测和识别（Time detection and recognition）

由此可见，信息抽取的核心应该是命名实体识别+关系抽取+事件抽取。

事件的检测与识别主要指特定类型事件的检测和相关信息的识别。相关的信息主要包括：
- 属性信息
- 论元角色
- 文中描述事件的句子或片段

事件抽取涉及到的核心任务是：事件mention的识别、事件属性的确定和论元角色的识别。
即主要包括事件的检测与分类（又称事件识别）、事件论元角色抽取（又称事件元素识别）两个阶段。

ACE评测会议将事件分为8 个大类和 33 个子类，分别为：
- Justice ：Acquit无罪、Appeal呼吁、Arrest-Jail拘捕入狱、Charge-Indict案件起诉、Convict宣判有罪、Execute处死、Extradite引渡、Fine罚款、Pardon赦免、Release-Parole假释、Sentence宣判、Sue控告、Trial-Hearing审判/听证。
- Conflict冲突：Attack攻击、Demonstrate示威
- Contact联系：Meet见面、Phone-Write电话写信
- Life生活：Be-Born出生、Die死亡、Divorce离婚、Injure受伤、Marry结婚。
- Movement：Transport运输。
- Business：Declare-Bankruptcy宣告破产、End-Org、Merge-Org企业并购、Start-Org创办企业。
- Personnel人事：Elect选举、End-Position最终职位、Nominate任命、Start-Position实习职位。
- Transaction交易：Transfer-Money转账、Transfer-Ownership过户。