26、NTN向量在答案评估中的应用

NTN向量在答案评估中的应用

1. 实体关系提取

构建知识图谱需要大量的实体和关系三元组，这些三元组可用于学习潜在关系，发现实体间缺失的有效链接。这里使用两类实体关系：
- 从WordNet获取的语义关系。
- 从DT - Grade数据集定义和提取的表面关系。

在提取表面关系三元组时，假设给定智能辅导系统有有限数量的训练问题。实体可以是标记、文本块或问题的唯一标识号。具体操作步骤如下：
1. 标记实体获取 ：对参考答案进行分词，仅保留名词、动词、副词和形容词等内容词作为实体。
2. 文本块获取 ：使用SpaCy进行文本解析，从依赖解析树中获取文本块。
3. 其他实体和二元关系提取 ：使用OLLIE工具提取其他类型的实体和二元关系。

依赖解析树除了提取短语外，还能提供实体间的句法关系。定义了以下五种关系类型：
1. is concept of ：如果一个实体是问题的预期概念，问题是代表唯一标识号的抽象实体。
2. is constituent of ：如果一个实体是另一个实体的组成部分。
3. has head text ：根据依赖解析树，名词短语的中心词是另一个实体。
4. has ancestor text ：根据依赖解析树，一个实体的祖先节点是另一个实体。
5. has child text </