1、知识抽取任务定义
从不同来源、不同结构的数据中进行抽取，形成知识存入到知识图谱。
2、知识抽取的技术与难点
从结构化数据库中获取知识：D2R
- 难点：复杂表数据的处理
从链接数据中获取知识：图映射
- 难点：数据对齐
从半结构化（网站）数据中获取知识：使用包装器
- 难点：方便的包装器定义方法，包装器自动生成、更新与维护
从文本中获取知识：信息抽取
- 难点：结果的准确率与覆盖率
3、知识抽取的子任务
知识抽取：自动化从文本中发现和抽取相关信息。将非结构化转化为结构化数据。
（1）知识抽取 的 子任务
4、相关竞赛与数据集
MUC（Message Understanding Conference）：正规文本（新闻报告等）抽取
- 命名实体识别（Named Entity Recognition，NER）
- 共指消解（Co-reference Resolution，CR）
ACE（Automatic Content Extraction）：对MUC的任务融合、分类、细化，涵盖英语、阿拉伯语和汉语；
- 实体检测与识别（Entity Detection And Recognition，EDR）
- 细化了实体分类(eg：person，organizations，locations……)
- 数值检测与识别（Value Detection And Recognition，VAL）
- 分类：百分比、钱、邮箱、时间
- **时间表达检测与识别（**Time Detection And Recognition，TERN）
- 关系检测与识别（Relation Detection And Recognition，RDR）
- 事件检测与识别（Event Detection And Recognition，VDR）
KBP（TAC Knowledge Base Population）：对ACE的进一步修订，分为四个独立任务和一个整合任务。
- 实体发现与链接（Entity Discovery and Linking，EDL）：需要知识库中唯一URI去链接实体
- 槽填充（Slot Filling，SF）：事件/多元关系抽取；
- 事件抽取（Event）
- 信念和情感（Belief and Sentiment，BeSt）：抽取知识的额外描述
- 整合任务：端到端冷启动知识构建：对数据层进行学习和扩充
SemEval（Semantic Evaluation）：国际权威的词义消歧评测
1、实体抽取
实体抽取：抽取文本中的原子信息元素。包括人名、组织/机构名、地理位置、时间/日期、字符值、金额值等（原子根据场景来定义）
示例：
非结构化数据的实体抽取可以认为是一个序列标注问题，则可使用序列标注的方法，通过评价指标 F1值的比较如下：
- 人工特征：IOB标注体系——O(Others)/B-ORG(组织开始字)/I-ORG(组织中间词)….
- 词本身的特征：边界特征、词性、依存关系等
- 前后缀特征：姓氏、地名等
- 字本身的特征：是否是数字、是否是字符等
- HMM
- 有向图模型、生成式模型（找到使 P(X,Y)P(X,Y) P(X,Y)P(X,Y) 最大的参数）、假设特征之间是独立的
- CRF
- 无向图模型、判别式模型（找到使 P(Y∣X)P(Y∣X) P(Y|X)P(Y∣X) 最大的参数）、没有关于特征之间是独立的
- LSTM+CRF（主流）
- 判别式模型、端到端网络、自动提取特征
- 模型：word embeddings->Bi-LSTM encoder->CRF Layer