[发明专利]远程监督关系提取器

权利要求书

1.一种用于从非结构化文本自动地提取关系的方法，所述方法包括：

选择描述在具有实体类型的主题与具有对象类型的对象之间的关系的关系类型；

在所选文档中定位对所述对象类型的提及；

对于在所述所选文档中被定位的每个提及，使用统计模型预测所述提及满足所述关系类型的概率，所述统计模型使用自动标记的训练数据被建立；以及

从所述所选文档提取满足所述关系类型的一个或多个关系。

2.根据权利要求1所述的方法，还包括以下动作：

聚集提取到的所述关系；以及

将基于模式的模型应用到所聚集的所述关系。

3.根据权利要求1所述的方法，还包括以下动作：

计算针对每个提及的一个或多个特征；以及

将所述特征提供为所述统计预测的输入。

4.根据权利要求1所述的方法，还包括以下动作：基于所述概率与关联于所述关系类型的阈值的比较，确定每个提及是否满足所述关系类型。

5.根据权利要求1所述的方法，还包括以下动作：基于所述提及的特征，使所述选择阈值变化。

6.根据权利要求1所述的方法，还包括以下动作：基于所述概率与关联于所述关系类型的阈值的比较，确定每个提及是否满足所述关系类型。

7.根据权利要求1所述的方法，还包括以下动作：

从文档集合取得文档的快照；以及

从所述快照选择所述文档以用于处理。

8.根据权利要求1所述的方法，还包括以下动作：利用使用来自知识图的现有事实自动标记的大量训练数据来训练统计模型。

9.根据权利要求8所述的方法，其中利用使用来自知识图的现有事实自动标记的大量训练数据来训练统计模型的动作包括以下动作：收集使用来自知识图的现有事实自动标记的大量训练数据。

10.根据权利要求9所述的方法，其中收集使用来自知识图的现有事实自动标记的大量训练数据的动作还包括以下动作：

从知识图选择现有事实，每个现有事实指定具有实体类型的事实主题、具有对象类型的事实对象以及参与事实关系的事实预测；

定位描述每个现有事实的所述主题的文档；

检测具有与所述事实对象的所述对象类型匹配的对象类型的提及；以及

基于每个提及与所述事实对象的比较来将训练数据自动地标记为肯定或者否定。

11.根据权利要求10所述的方法，其中基于每个提及与所述事实对象的比较来将训练数据自动地标记为肯定或者否定的动作还包括以下动作：

将所述事实对象与每个提及相比较；

使用与所述事实对象不匹配的提及来提供否定训练数据；以及

使用与所述事实对象匹配的提及来提供肯定训练数据。

12.根据权利要求1所述的方法，其中利用使用来自知识图的现有事实自动标记的大量训练数据来训练统计模型的动作还包括以下动作：

使用所述自动标记的训练数据的一部分来建立统计模型；

通过将所述统计模型应用到所述自动标记的训练数据的剩余部分来生成预测分类；

显示少量的预测分类以用于由用户注释；

从所述用户接收针对所述少量的预测分类的注释；

根据从所述用户接收到的所述注释，更新所述自动标记的训练数据；以及

使用更新后的所述训练数据来重新训练所述统计模型。

13.一种使用计算机实现的关系提取器，所述关系提取器包括：

自然语言处理器，其可操作用于标识在出现在描述所选主题类型的主题的文档中的所选关系类型中被指定的所述主题或者所选对象类型的对象的提及；

分类器，其可操作用于使用根据自动标记的大型训练数据集建立的统计模型来预测由所述自然语言处理器标识的每个对象满足具有所述主题的所述所选关系类型的概率；以及

后处理器，其可操作用于聚集与所述所选关系类型相关联的对象，将基于模式的模型应用到所聚集的所述对象，从满足所选准则的所聚集的所述对象选择一个或多个对象作为具有所述主题的所述所选关系类型的关系中的参与者，并且产生所述所选关系类型的一个或多个关系的最终集合。