【牛津大学博士论文】具有背景知识的深度神经开放信息提取，137页pdf

自然语言文本以非结构化的形式存在，它拥有大量关于我们所生活的世界的知识。随着自然语言文献数量的不断增加，分析文本并从中提取重要知识已成为一项非常耗时的工作。这导致了信息提取(IE)和自然语言处理(NLP)方法和工具的出现。IE专注于从文本中自动提取结构化语义信息。对这些清晰概念和关系的提取和附加分析有助于发现文本中包含的各种见解。本文的研究重点是开放信息提取(OIE)这一新型信息提取方法。与传统IE不同的是，OIE不局限于预先确定的一组特定于领域的关系，而是期望提取自然语言文本中发现的所有关系。已经提出了几种神经OIE算法，将OIE作为序列标记或序列生成问题来处理。序列标记方法将输入文本中的每个标记标识为属于主题、谓词或对象的，而序列生成方法在给定的输入文本中每次生成一个单词的元组。提出的方法有一定的局限性，这启发了本研究。

http://t.cn/A6oJGmxT