TAILIEUCHUNG - Báo cáo khoa học: "Unsupervised Relation Extraction by Mining Wikipedia Texts Using Information from the Web"

This paper presents an unsupervised relation extraction method for discovering and enhancing relations in which a specified concept in Wikipedia participates. Using respective characteristics of Wikipedia articles and Web corpus, we develop a clustering approach based on combinations of patterns: dependency patterns from dependency analysis of texts in Wikipedia, and surface patterns generated from highly redundant information related to the Web. Evaluations of the proposed approach on two different domains demonstrate the superiority of the pattern combination over existing approaches. . | Unsupervised Relation Extraction by Mining Wikipedia Texts Using Information from the Web Yulan Yan Naoaki Okazaki Yutaka Matsuo Zhenglu Yang and Mitsuru Ishizuka The University of Tokyo 7-3-1 Hongo Bunkyo-ku Tokyo 113-8656 Japan yulan@ okazaki@ matsuo@ yangzl@ ishizuka@ Abstract This paper presents an unsupervised relation extraction method for discovering and enhancing relations in which a specified concept in Wikipedia participates. Using respective characteristics of Wikipedia articles and Web corpus we develop a clustering approach based on combinations of patterns dependency patterns from dependency analysis of texts in Wikipedia and surface patterns generated from highly redundant information related to the Web. Evaluations of the proposed approach on two different domains demonstrate the superiority of the pattern combination over existing approaches. Fundamentally our method demonstrates how deep linguistic patterns contribute complementarily with Web surface patterns to the generation of various relations. 1 Introduction Machine learning approaches for relation extraction tasks require substantial human effort particularly when applied to the broad range of documents entities and relations existing on the Web. Even with semi-supervised approaches which use a large unlabeled corpus manual construction of a small set of seeds known as true instances of the target entity or relation is susceptible to arbitrary human decisions. Consequently a need exists for development of semantic information-retrieval algorithms that can operate in a manner that is as unsupervised as possible. Currently the leading methods in unsupervised information extraction collect redundancy information from a local corpus or use the Web as a corpus Pantel and Pennacchiotti 2006 Banko et al. 2007 Bollegala et al. 2007 Fan et al. 2008 Davidov and Rappoport 2008 . The standard process is to

• Báo cáo khoa học
• Unsupervised Relation Extraction
• Mining Wikipedia Texts
• Information from the Web
• báo cáo khoa học
• báo cáo ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• an Unsupervised Web Relation
• Extraction System
• Benjamin Rosenfeld
• mô hình ngôn ngữ
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• 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