基于逻辑的关系学习方法用于关系抽取：OntoILPER系统
人工智能
2020-01-14 v1 计算与语言
摘要
关系抽取（RE）旨在检测并刻画文本中实体间的语义关系，近二十年来尤其在生物医学领域备受重视。已有大量论文采用监督机器学习技术进行关系抽取。此类技术多依赖统计方法，如基于特征与基于树核的方法。这种统计学习技术通常基于命题假设空间表示示例，即采用特征的特征-值表示。这种表示存在一些缺陷，尤其在抽取需要更多涉及实例上下文信息的复杂关系时，无法在不丢失信息的情况下有效捕获解析树的结构信息。本文提出OntoILPER，一种基于逻辑的关系学习关系抽取方法，利用归纳逻辑编程生成符号抽取规则形式的抽取模型。OntoILPER利用丰富的示例关系表示，可缓解上述缺陷。我们论证了所提关系方法比统计方法更适合关系抽取的若干原因。此外，OntoILPER使用领域本体指导背景知识生成过程，并用于存储抽取的关系实例。所归纳的抽取规则在三个来自生物医学领域的蛋白质-蛋白质相互作用数据集上进行了评估。OntoILPER抽取模型的性能与其他state-of-the-art RE系统进行了比较。令人鼓舞的结果似乎证明了所提方案的有效性。
引用
@article{arxiv.2001.04192,
title = {A logic-based relational learning approach to relation extraction: The OntoILPER system},
author = {Rinaldo Lima and Bernard Espinasse and Fred Freitas},
journal= {arXiv preprint arXiv:2001.04192},
year = {2020}
}