《A Survey on Open Information Extraction》

论文链接

• information extraction从文本中抽取出SPO三元组,传统的information extraction都是抽取事先给定的关系
• Open information extraction(Open IE)的关系无需实现给定，能够自动从大量的文本中发掘出关系(关系可能是原文中的span，也可能不是)
• OPEN IE的三个挑战：
  • Automation：需要手动标注的数据必须限制在较小的数量级
  • Corpus Heterogeneity:能在不同分布的数据集上work，不能依赖领域相关的信息，比如NER。只能用POS这些浅层tag
  • Efficiency：需要在大量数据上运行，需要预测性能高，只能依赖POStag这些浅层信息
• OPEN IE的方法：
  • Learning-based System: TEXTRUNNER/WOE/OLLIE
  • Rule-based System:利用语言学、统计学特征+规则 PredPatt
  • Clause-based System: Stanford OpenIE
  • Systems Capturing Inter-Proposition Relationships: 同时抽取三元组以及原文中三元组成立的前提
• Evaluation:
  • 目前还没有特别统一的测评数据集以及测评方案
  • Analysing Errors of Open Information Extraction System 在做通用测评数据、指标的尝试
• Open Research Questions:
  • 标准测评数据集以及指标
  • 英语之外的其他语言的openIE system
  • 指代消解技术的引入
  • 规范化定义relation和arguments的方案
• 基于NN的Open IE方案:
  • Neural Open Information Extraction