关系抽取实现方案

基于规则集，rule-base：

XX 是 XX
XX 类似于 XX
XX 成立于 XX年 XX月
规则集合可以设置一些限制， 比如实体的类型。

1. 优点：
   • 不需要训练数据。
   • 比较准确。
2. 缺点：
   • low recall 低召回。
   • 人力成本。
   • 规则本身难设计，容易冲突

基于模型

分类:
- 定义好关系类型
- 定义好实体类型
- 训练数据准备：实体（类型）标记，实体间的关系（人工成本）
（XX,YY） relation

特征工程：
构造两个实体的特征。

1. bag of word featrue：
   • 词特征。1-gram，2-gram，3-gram。实体前后词。
   • 两个实体中间的词。
2. pos feature： 词性特征
3. 实体类别：实体标签
4. 位置信息：
   • 比如 两个实体间包含了多个个字
   • 这句话在文中的位置（第几句）
5. 依存句法分析/句法分析：
   • 两个实体间的最短路径（图算法）
   • 是否相互依赖（0，1）

特征相关性分析：协方差，皮尔森系数

模型训练方式：

1. 方案1:
   • K类别+无关系：共K+1的分类模型。
2. 方案2:
   • 二分类模型+K分类模型。
     优点：二分类相对简单，训练数据不大，并且大部分实体是不存在关系的，提升效率。