/IE-Survey

北京航空航天大学大数据高精尖中心自然语言处理研究团队对信息抽取领域的调研。包括实体识别,关系抽取,属性抽取等子任务,每类子任务分别对学术界和工业界进行调研。

IE-Survey

信息抽取(information extraction),即从自然语言文本中,抽取出特定的事件或事实信息,帮助我们将海量内容自动分类、提取和重构。这些信息通常包括实体(entity)、关系(relation)、事件(event)。例如从新闻中抽取时间、地点、关键人物,或者从技术文档中抽取产品名称、开发时间、性能指标等。由于能从自然语言中抽取出信息框架和用户感兴趣的事实信息,无论是在知识图谱、信息检索、问答系统还是在情感分析、文本挖掘中,信息抽取都有广泛应用。

本次信息抽取领域学术界/工业界总结主要包括以下五个子任务:

  • 实体抽取与链指:即命名实体识别,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名或领域专有实体等;
  • 关系抽取:三元组(triple)抽取,即(Subject, Predication, Object),主要用于抽取实体间的关系;
  • 属性抽取:属性一般是指实体的属性或者组成实体的成分。属性抽取是构建知识图谱的重要部分,其目的是从非结构化文本中抽取或发现实体属性;
  • 属性值抽取:将实体-属性-属性值视为三元组结构,属性值抽取就在已知实体和属性后,对三元组中缺失的属性值进行补充;
  • 事件抽取:从自然语言文本中抽取事件要素的相关信息(如触发词、主体、客体和影响因素等),并形成结构化数据输出的文本处理技术。

希望能为自然语言处理信息抽取领域的相关学者和研究人员提供帮助。该工作将保持定期持续更新、持续跟踪前沿技术,如有不足请大家批评指正,欢迎各位信息抽取研究者取用,也欢迎大家共同完善此调研。

版本更新

Version 1.0:2020年10月30日

Version 2.0:2022年4月19日

致谢

特此感谢支持数据公开与系统研发工作的北航高精尖中心及参与这项工作的各位团队成员:

俞马骏胡志元谢昊霖张存旺刘奥鲁重钢杨凤涛张紫娴孙凯

参与贡献方式

欢迎pull requests。对于较大的更改,请先开issue以讨论您要更改的内容。

关于我们

北京市大数据科学与脑机智能高精尖创新中心

English version will come soon