知识图谱1（实体抽取）

对于知识图谱而言，首要的问题是：如何从海量的数据提取有用信息并将得到的信息有效表示并储存，就是所谓的知识抽取与表示技术。

知识抽取与表示技术（信息抽取），其目标主要是从样本源中抽取特定种类的信息，例如，实体、关系和属性，并将这些信息通过一定形式表达并储存。它分为：实体抽取、关系抽取和属性抽取。

本文重点介绍实体抽取。实体抽取也称为命名实体识别。实体是知识图谱最基本的元素，实体抽取的完整性、准确率、召回率将直接影响知识图谱的质量。

---

复习一下准确率和召回率。

 

混淆矩阵中T、F、P、N的含义：

T：真  F:假  P:阳性  N：阴性

则TP: 真阳性  TN:真阴性  FP:假阳性  FN:假阴性

正确率（你认为对的中，有多少确实是对的，所占的比率）：

召回率（本来是对的，你找回了多少对的，所占的比率）：

 

---

实体抽取的方法归纳为3种：

（1）基于规则与词典的方法：通常需要为目标实体编写相应的规则，然后在原始语料中进行匹配。

（2）基于统计机器学习的方法：主要利用数据来对模型进行训练，然后再利用训练好的模型去识别实体。

（3）面向开放域的抽取方法：主要是针对海量网络数据。