基于远程监督的人物属性抽取研究

摘要

属性抽取的主要目标是从非结构化文本中获取实体的属性值.为了从文本中抽取出人物属性,通常需要大量的标注数据,然而这些数据资源却十分稀少.为了解决这个问题,该文从百科类网页的表格数据出发,构建了人物属性表,然后采用远程监督的方法得到大规模、多类别的人物属性标注语料,从而免去了人工标注的繁琐流程.针对新构建的数据集,分别使用条件随机场(CRF)和双向长短期记忆-条件随机场(BiLSTM-CRF)构建了属性抽取的两个基线模型.实验结果表明,BiLSTM-CRF取得比CRF更好的性能,其中BiLSTM-CRF的平均F 1值为83.39％.