面向文本知识图谱抽取的语义角色标注
人工智能
2018-11-06 v1 计算与语言
摘要
本文介绍了 TakeFive，一种将文本转换为面向框架的知识图谱的新语义角色标注方法。它执行依存句法分析，识别唤起词汇框架的词，定位每个框架的角色与填充项，运行 coercion 技术，并将结果形式化为知识图谱。该形式化表示符合 Framester（一个事实-语言关联数据资源）中所用的框架语义。所获得的精确率、召回率与 F1 值表明，TakeFive 与 SEMAFOR、Pikes、PathLSTM 和 FRED 等其他现有方法具有竞争力。我们最后讨论了如何结合 TakeFive 与 FRED，以获得更高的精确率、召回率与 F1 值。
引用
@article{arxiv.1811.01409,
title = {Semantic Role Labeling for Knowledge Graph Extraction from Text},
author = {Mehwish Alam and Aldo Gangemi and Valentina Presutti and Diego Reforgiato Recupero},
journal= {arXiv preprint arXiv:1811.01409},
year = {2018}
}