[NLP]开放信息抽取-监督视角

围绕开放域信息抽取，在去年做过一个简单的梳理，幸运的是今年有机会重新看一些工作。这篇博客主要围绕监督式的开放信息抽取，该方向上的工作不是很多。

1.《Supervised Open Information Extraction》，NAACL2018

数据获取方式：利用SRL的标注语料来构造。类似的，可以用阅读理解的数据来构造。

新的BIO标注方式，支持抽取多个Arg。如下：

三元组置信度得分计算。Token级别的prob相乘或者Word级别的prob计算，此处策略较灵活。

补充：

（1）《Span Model for Open Information Extraction on Accurate Corpus》有一些新的内容。

（2）《Supervising Unsupervised Open Information Extraction Models》

（3）《Improving Open Information Extraction via Iterative Rank-Aware Learning》，围绕置信度的高端玩儿法。

2.《Overview of the Triple Scoring Task at the WSDM Cup 2017》

如何设计评估三元组的指标？给三元组打分（众包的方式），一种直观的标准是：“看到这个三元组有多么的surprised？”

补充：

（1）《Revisiting the Task of Scoring Open IE Relations》，SPO三元组打分也是一个重要课题。

3.《Facts That Matter》, EMNLP2018

首次做事实显著性。技术手段为：PageRank+Clustering

4.《Logician: A Unified End-to-End Neural Approach for Open-Domain Information Extraction》，WSDM2018

和《Neural Open Information Extraction》一样，都是基于seq2seq的。不过，在要抽取的内容上和Magi非常类似，如下：

5.《Learning Open Information Extraction of Implicit Relations from Reading Comprehension Datasets》

提出一种从阅读理解的语料构造数据的方式，如下：

6.《Co-Clustering Triples from Open Information Extraction》

通过非负矩阵分解的方式针对SPO三元组做Clustering，联合聚类predicate短语和subject-object对。

7.《Supervising Unsupervised Open Information Extraction Models》

光看图，是不是就很感兴趣？

总结，虽然博客中讨论了一些工作，但是实际上监督OIE的工作会带来很多问题，比如歧义的问题，比如需要信息融合，需要质量判断等。此外，在应用层上也需要一些新的思考。