我如何提供一个关系提取数据集，包括元组，用于临时推断使用名称实体识别空间？

Question

我有大约7.000句句子，其中我做了一个精炼的名称-实体-识别(即，特定的实体)使用SpaCy。现在我想做关系提取(基本上是因果推理)，我不知道如何使用NER来提供训练集。

据我所知，有一种不同的方法来执行关系提取：

• 1)手写模式
• 2)有监督的机器学习
• 3)半监督机器学习。

因为我想使用有监督的机器学习，所以我需要训练数据。

如果有人能给我指路，那就太好了，非常感谢。这里是我的数据框架的屏幕拍摄，实体是由一个定制的spaCy模型提供的。我可以访问每个句子的语法依赖和部分词性标记，如spaCy提供的：

​

​

Answer 1

似乎你的数据集是一种技术性的写作，非常好的结构，所以也许部分语音标记就足以完成你想要的提取。

我建议您阅读本文，并了解使用开放信息抽取中的识别关系的基于pos标记的模式。

下面这段代码用语音部分标记发送，然后查找与称为ReVerb模式匹配的序列。

import nltk

verb = "<ADV>*<AUX>*<VBN><IN|PART>*<ADV>*"
word = "<NOUN|ADJ|ADV|DET|ADP>"
preposition = "<ADP|ADJ>"

rel_pattern = "( %s (%s* (%s)+ )? )+ " % (verb, word, preposition)
grammar_long = '''REL_PHRASE: {%s}''' % rel_pattern
reverb_pattern = nltk.RegexpParser(grammar_long)

sent = "where the equation caused by the eccentricity is maximum."
sent_pos_tags = nltk.tag.pos_tag("where the equation caused by the eccentricity is maximum".split())

for x in reverb_pattern.parse(tags):
  if isinstance(x, nltk.Tree) and x.label() == 'REL_PHRASE':
     rel_phrase = " ".join([t[0] for t in x.leaves()])
    print(rel_phrase)

有一点遗漏了，那就是找出最接近模式左右的名词短语，但我把它作为练习。我还用一个更详细的例子编写了一个博客帖子。希望能帮上忙。