第二篇 主要技術和代表性論文
2.1 信息抽取概況
目前的信息抽取多是基於句子爲單位進行分析。篇章性推理是NLP研究的一個難點，後面將會敘述在我實際工作中關於這一方面的經驗總結。
2.2 命名實體識別
命名實體識別是信息抽取的基礎，是第一步，也是必須的一步。命名實體識別主要識別句子中出現的實體名。傳統的實體名包括Person，Location，Organization，Time。具體的實體類型往往根據所研究的具體的問題而定。在合同抽取的問題，另一個至關重要的實體名就是合同名。在醫療領域還包括疾病名，檢查，藥名，化學物質等。目前的軟件中一般只包括簡單的實體名識別，定製化的命名實體識別還需要構建。
下面直接語料例子：
“近日，神州長城股份有限公司收到公司 全資子公司神州長城國際工程有限公司與 PT.WANXIANG NICKEL INDONESIA簽署 的《印度尼西亞鎳鐵廠 RKEF 生產線工程 PC 總承包項目》，合同暫定金額 15.015 億人民幣。”
2.3 關係抽取
關係抽取是抽取實體之間語義關係。一種特別的關係抽取是屬性關係抽取。關係抽取又可以根據關係類型是否提前定義，分爲封閉式關係抽取和開放式關係抽取。 另外按照參與的實體數，可以分爲二元關係抽取和多元實體關係抽取。
封閉式關係抽取是提前劃分爲關係類型，然後將關係分類到提前預定義類型之中。屬於典型的分類問題，也是應用最多的一種關係抽取類型。在公告抽取中，比如A公司和B公司之間的關係類型有：子公司，收購等。上面的公司關係爲例，最簡單的關係抽取可以分爲A，B公司是否收購關係。進而也可以是A，B公司的關係是否爲收購，子公司，其他關係。 這些需要事先定義。
而開放式關係抽取則是要抽取A，B公司語句中出現的所有關係類型。 目前的一般都是通過抽取A，B公司之間的觸發動詞，然後將所有的動詞類型進行分類。開放式的抽取的優點是可以找到所有的關係，缺點是在關係提取中，由於都是按照動詞觸發的假設，導致模型的精度明顯較低，而且在得到所有關係以後，還需要對其進行歸類。 具體的開放式關係抽取，下面將以一篇論文爲例。
2.3.1 封閉式
2.3.2 開放式
2.4 屬性抽取
郭劍毅等，領域本體概念實例，屬性和屬性值的抽取及關係預測，2012
分析框架：
分爲概念實例，屬性，屬性值。類比於合同的抽取。限定合同金額抽取，不同的合同名對應合同這一概念實例，屬性則唯一限定爲合同金額，屬性值則爲金額數值。除此之外，財務指標的抽取也可以劃分爲此類範疇。比如抽取A公司的ROE等。此時如果在A公司的年報進行抽取，概念實例一般就是A公司，不需要進行進一步的抽取。但是如果研究公告內容，則會發現：（1）A公司以及和屬性一般不會出現同一個句子之中，大多會跨句，因此需要“指代消解”。（2）雖然可以限定抽取的概念實例就是A公司，但是也存在一些段落可能並非指向A公司。（3）時間和比較。往往屬性值限定爲某一段時間，或者和前面的比較。因此具體的抽取還需要具體問題具體分析。
抽取的模型和思路
外部的資源和結果
CRF++和libsvm軟件工具包
分詞和詞性標註工具
語料和人工標註
康睿智，面向軍事裝備實體的屬性抽取
事裝備屬性抽取問題，提出了一種面向自由文本的無監督三元組方法。首先利用統計分析對性三元組在子句中的分佈規律進行研究，發現了屬性名固定，相對位置規律。然後針對提出一種基於頻繁模式挖掘屬性指示詞抽取算法，並以取出的屬性指示詞爲觸發，結合抽規則和過濾進一步完成三元組的抽取.實驗結果表明該方法能夠有效出軍事裝備屬性三元組，其平均準確率達到了88.1%.
2.5 事件抽取
事件抽取，是抽取固定的事件描述語句，是信息抽取領域的一個重要並且更加難的研究方向。通常來說，事件抽取包括兩個階段，事件類別識別以及事件元素識別。目前的事件的研究有兩個假設：1.大多是基於句子，跨句子事件研究又稱爲基於主題的事件研究；2.大多都是動詞驅動。
下面將以趙妍妍等，中文事件抽取技術研究來講述事件抽取的典型過程。
基本概念
事件類別識別：比如下面講的是“出生”事件，是一個分類工作。
事件元素識別：定義該事件的細節，出生事件包括人，出生時間與地點，這是一個提取加分類工作。
基本的方法：
主要是模式匹配和機器學習方法。目前主要是機器學習方法。
事件類別識別
1. 觸發詞挑選出候選事件。
觸發詞與事件類別的二元對照表
2. 候選事件的分類
事件元素識別
F1 ＝60%
李江龍，2017 金融領域的事件句識別
做一個打分模型，考慮包含公司名的數量，金融領域動詞，句子位置，句子和標題的相似度。F1=65%. 在處理，合同中標事件中，一般的觸發詞“簽署”；事件模版可以是A公司，B公司，時間，合同名。