【摘要】：第一种思路的代表性系统Text Runner[118]、WOE[120]系列，都遵循了第一种功能思路，即“标注—学习—抽取”。WOE系统包括一个系列，有WOElex、WOEparse等，WOE利用远距离监督学习的思想，将维基的数据作为训练数据来源，因为数据集规模和质量的上升，WOE系统取得了较好的实验效果。WOEparse也是较早将句法分析引入开放信息抽取的系统。第二种思路是利用语言的特性，使用规则实现信息标注，代表性的系统有REVerb、ClauseIE等。
开放信息抽取系统的构建一般有两种思路，第一种思路是利用规则或者远距离监督的方式获得训练数据，然后使用序列标注学习方法学习标注模型，最后利用得到的模型标注新数据；第二种思路是利用语言的一些特性，通过编制或者学习规则实现信息标注。
第一种思路的代表性系统Text Runner[118]、WOE[120]系列，都遵循了第一种功能思路，即“标注—学习—抽取”。
Text Runner使用了启发式方法从宾州树库中提取训练数据，使用了贝叶斯模型，Postag特征和组块特征，训练了一个抽取工具。Banko[119]又进一步地将条件随机场模型引入到抽取器学习中。WOE系统包括一个系列，有WOElex、WOEparse等，WOE利用远距离监督学习的思想，将维基的数据作为训练数据来源，因为数据集规模和质量的上升，WOE系统取得了较好的实验效果。WOEparse也是较早将句法分析引入开放信息抽取的系统。(www.xing528.com)
第二种思路是利用语言的特性，使用规则实现信息标注，代表性的系统有REVerb、ClauseIE等。这些系统使用组块分析或者句法分析，利用语义分析器得到的词汇关系，通过规则加以过滤得到需要的关系数据。尽管方法简单，但目前最好的效果反而是通过这类方法得到的。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
