參考鏈接：
本文主要記錄下提取流程，和遇到的一些坑。。。
1，deepdive中文相關代碼和網址
數據庫配置：
執行echo "postgresql://postgres:******@localhost:5432/deepdive_spouse_postgres" >db.url （******對應數據庫密碼）
即將數據庫配置寫入db.url
3, 中文NLP工具配置：
1）下載斯坦福中文工具stanford-chinese-corenlp-2016-01-19-models.jar和 stanford-srparser-2014-10-23-models.jar放到udf/bazzar/parser/lib/路徑下
2）在udf/bazzar/parser/下再次執行sbt/sbt stage來重建NLP工程，這會重新編譯新增的斯坦福中文JAR包
3）命令行./run.sh -p 8080，之後可以在8080端口測試該NLP相關功能
4，原始文本導入：
在路徑 */DeepDiveChineseApps-master/spouse/下編譯工程： ~/local/bin/deepdive
導入原始文本文件： ~/local/bin/deepdive create table articles ~/local/bin/deepdive load articles input/news-100.tsv.bz2
5，中文NLP處理：
將原始文本拆分成句子，再進行分詞，詞性標註、命名實體識別等工作
1） ~/local/bin/deepdive do sentences
input/news-100.tsv拷貝爲input/articles.tsv
因爲內部配置導入的的原始文本爲articles.tsv，所以直接執行會報錯" [ERROR] input/articles.*: No data source found for articles ‘run/ABORTED’ -> ‘20180305/104532.107734000’"
6，提取每句話中出現的人名
~/local/bin/deepdive compile && ~/local/bin/deepdive do person_mention
這裏會從每句話中提取命名實體識別爲person的詞
7，生成候選配偶對
這裏會提取每一句話中出現的兩個人名作爲spouse的候選樣本
~/local/bin/deepdive compile && ~/local/bin/deepdive do spouse_candidate
8, 候選配偶對生成特徵
~/local/bin/deepdive compile && ~/local/bin/deepdive do spouse_feature
9，遠距離監督對候選配偶對進行標記
1）方案一：使用已標記樣本對候選配偶對標記
即對於標記樣本中出現的候選配偶對直接進行標記
~/local/bin/deepdive create table spouses_dbpedia~/local/bin/deepdive load spouses_dbpedia input/spouse_dbpedia.csv.bz2
2）方案二：使用簡單的啓發式規則來進行遠距離監督對候選配偶對標記
使用已標記樣本訓練模型，對所有的候選配偶對spouse_candidate進行標記
~/local/bin/deepdive compile && ~/local/bin/deepdive do has_spouse
這一步已經得到了部分正例和部分反例，以及部分未標記樣本
10，使用模型進行學習和推理
根據has_spouse裏的標記信息，訓練一個分類器，使用分類器進行分類得到結果概率。
~/local/bin/deepdive compile && ~/local/bin/deepdive do probabilities
11，deepdive總結：
1）關係提取流程
通過目標關係，使用NLP相關技術，對原始文本提取候選關係對，並生成特徵；
通過手工標註關係對或者通過啓發式規則得到標註關係對，訓練分類器，得到分類結果，結果正例即是目標關係對，結果爲反例即非目標關係對。
articles->sentences->person_mention->spouse_candidate->spouse_feature
spouses_dbpedia->has_spouse->probabilities
2）相關配置文件
- app.ddlog是deepdive的規劃文件，此文件定義了數據的來源，數據的結構，數據的處理函數，KBC的構建。
（函數的定義：function nlp_markup over，函數的執行sentences += nlp_markup(doc_id, content) :- articles(doc_id, content). #函數執行，輸入爲 articles(doc_id, content).即articles表的doc_id字段和content字段）
- db.url，此文件定義了數據庫的連接信息
- deepdive.conf deepdive環境配置，不用修改。
- input/ ,此目錄放置數據文件，該數據文件需要按照app.ddlog中的規則來命名，該數據文件爲應用提供源數據。
- udf/ ,存放用戶定義的函數的目錄，可以從deepdive.conf引用相對於應用程序根目錄的路徑名。
3）相關組件
NLP處理組件：應該可以替換，但是內部接口不清楚，斯坦福英文替換爲斯坦福中文
生成特徵組件：無法替換
推理模型：使用的是因子圖模型，提供因子圖權重手動設置和自動學習，無法替換