【0-2】基于CNN的信息抽取模型

一、什么是信息抽取？

信息抽取(Information Extraction, IE)是从自然语言文本中抽取实体、属性、关系及事件等事实类信息的文本处理技术，是信息检索、智能问答、智能对话等人工智能应用的重要基础，一直受到业界的广泛关注。（来自百度公司官方）

二、简要介绍一下基于CNN的关系抽取模型：

在此之前，关系抽取领域中多采用基于机器学习的方法，这些机器学习的方法依赖于手动提取的特征。而我们手动提取的特征来自于NLP系统或工具，这些工具难免有其局限性，会带入错误，这些错误会在关系抽取的任务中传播。

于是提出了利用卷积神经网络提取特征的方法，避免了手动的特征提取，利用神经网络实现了端到端的关系抽取。

结构：

输入：一段话，并指明了其中的实体；
输出：一个特征向量，表明了实体间的关系；

中间层：

1. 词嵌入
   根据预先训练好的词向量字典，将每个词语转化为对应的固定维度向量。（词向量表征了词之间的语义关系）

2. 特征抽取
   此模型的特征抽取分为两个层面：词语和句子。
   词语级特征抽取：主要分为三个部分：该词语本身、该词语左右的词、该词语的上位词。
   什么是上位词？
   上位