林中信火”四史“学习系统——数据标注工作

在暑假的社会实践中，我们一项十分重要的工作就是数据标注工作，这是我们扩充数据源的基础，在假期我们将《中国共产党简史》全书进行数据标注，从中提取了有效三元组三千余条。

对于数据标注，在开始工作前我们团队首先了解了什么是实体和关系，实体是人类认为有意义的事物，而关系就是实体中之间有意义的联系，实体和关系合起来称作：“实体关系”。有了实体和关系，接着要了解的是三元组，三元组可以简单理解为两个节点及它们之间的关系构成的一个单元，即（node1，edge，node2）。而对于这样的一个三元组，人们按照语言学的习惯可以形式化的表示成主语谓语宾语三者，即（subject，predicate，object），从而成为了所谓的“SPO三元组”。想要构建知识图谱，就得从各种各样的数据中获取三元组，也就是进行实体关系的抽取。即为把一个句子中的各实体之间的关系进行分析抽取，使实体关系能够组成一个三元组，例如，在“1973年，釉型杂交水稻优良品种育成”一句中，主语（subject）是事件“釉型杂交水稻优良品种育成”，谓语（predicate）是起始时间，宾语（object）是时间“1973年”，从而主语与宾语的关系就是谓语：起始时间。

实体关系抽取的过程大致分为三步，第一步：找到语料中存在的实体关系；第二步：确定实体的类型和关系的类型；第三步：将实体关系抽取出来形成三元组。

在后续工作中，我们团队还计划对”四史“中的另外两部《改革开放史》、《社会主义发展史》进行数据标注工作并提取有效三元组。

http://www.dxsbao.com/shijian/525714.html 点此复制本页地址