使用结构化语言模型的信息抽取
计算与语言
2007-05-23 v1 信息检索
摘要
本文提出了一种基于结构化语言模型 (SLM) 作为统计解析器的信息抽取方法（视为模板填充）。将模板填充任务建模为受限解析问题。该模型是从一组带有框架/槽标签和片段标注的句子中自动训练的。训练分为三个阶段：首先训练一个受限语法解析器，使其在训练数据上的解析满足指定的语义片段；然后丰富非终端标签以包含语义信息；最后在前一阶段得到的解析树上训练一个受限语法+语义解析器。尽管使用了较少的训练数据，该模型仍优于为 MiPad 个人信息管理任务手动编写的简单语义语法在槽位水平上的准确率。
引用
@article{arxiv.cs/0108023,
title = {Information Extraction Using the Structured Language Model},
author = {Ciprian Chelba and Milind Mahajan},
journal= {arXiv preprint arXiv:cs/0108023},
year = {2007}
}
备注
EMNLP'01, Pittsburgh; 8 pages