TAILIEUCHUNG - Báo cáo khoa học: "Extracting Sequences from the Web"

Classical Information Extraction (IE) systems fill slots in domain-specific frames. This paper reports on S EQ, a novel open IE system that leverages a domainindependent frame to extract ordered sequences such as presidents of the United States or the most common causes of death in the . S EQ leverages regularities about sequences to extract a coherent set of sequences from Web text. S EQ nearly doubles the area under the precision-recall curve compared to an extractor that does not exploit these regularities. . | Extracting Sequences from the Web Anthony Fader Stephen Soderland and Oren Etzioni University of Washington Seattle afader soderlan etzioni @ Abstract Classical Information Extraction IE systems fill slots in domain-specific frames. This paper reports on Seq a novel open IE system that leverages a domainindependent frame to extract ordered sequences such as presidents of the United States or the most common causes of death in the . Seq leverages regularities about sequences to extract a coherent set of sequences from Web text. Seq nearly doubles the area under the precision-recall curve compared to an extractor that does not exploit these regularities. 1 Introduction Classical IE systems fill slots in domain-specific frames such as the time and location slots in seminar announcements Freitag 2000 or the terrorist organization slot in news stories Chieu et al. 2003 . In contrast open IE systems are domainindependent but extract flat sets of assertions that are not organized into frames and slots Sekine 2006 Banko et al. 2007 . This paper reports on Seq an open IE system that leverages a domain-independent frame to extract ordered sequences of objects from Web text. We show that the novel domain-independent sequence frame in Seq substantially boosts the precision and recall of the system and yields coherent sequences filtered from low-precision extractions Table 1 . Sequence extraction is distinct from set expansion Etzioni et al. 2004 Wang and Cohen 2007 because sequences are ordered and because the extraction process does not require seeds or HTML lists as input. The domain-independent sequence frame consists of a sequence name s . presidents of the United States and a set of ordered pairs x k where x is a string naming a member of the sequence with name s and k is an integer indicating Most common cause of death in the United States 1. heart disease 2. cancer 3. stroke 4. COPD 5. pneumonia 6. cirrhosis 7. AIDS 8. chronic liver disease 9. .

• Báo cáo khoa học
• Extracting Sequences from the Web
• Anthony Fader
• Stephen Soderland
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball