AITerms 登入
自然語言處理知識圖譜深度學習

三元組抽取(Triple Extraction)是什麼?

三元組抽取是從文本中提取(主語,謂語,賓語)三元組的過程,是構建知識圖譜的基礎,也是關係抽取的一種形式。

完整定義

三元組抽取(Triple Extraction)是自然語言處理中的一項重要任務,旨在從文本中自動提取(主語,謂語,賓語)形式的三元組。這些三元組代表了文本中實體之間的關係,是構建知識圖譜的基礎。三元組抽取可以看作是關係抽取的一種具體形式,它將關係抽取限定為提取三元組形式的知識。

白話說明

你有沒有把一段文字讀完後,想直接整理成「誰對誰做了什麼」?

你可以把三元組抽取想成「把句子整理成主詞、關係、受詞三個部分」

模型不是只看有沒有詞,而是要找出事件和關係的結構

這常拿來做知識庫建設、資訊抽取和問答前處理

記住這句

先找人和事,再把它們之間的關係補起來。

比喻:三元組抽取就像在讀報紙時,把重要的「誰做了什麼事」的資訊整理出來 -- 比如「小明 吃了 蘋果」,這樣就能清楚知道事件的關鍵要素。

容易混淆

三元組抽取 vs 命名實體辨識

三元組抽取要找關係

命名實體辨識主要找人名、地名、組織名

最關鍵的區別:有沒有關係這一層

三元組抽取 vs 關係抽取

三元組抽取通常包含實體與關係

關係抽取更聚焦在兩個實體之間的關聯

最關鍵的區別:範圍大小不同

三元組抽取 vs 問答系統

三元組抽取是把文本結構化

問答系統是直接回答問題

最關鍵的區別:資料整理和互動回答

實際案例

新聞整理

從新聞句子抽出「公司、收購、目標公司」這類三元組,方便資料庫查詢

知識庫建構

把產品說明書中的關係抽成結構化資料,後續搜尋和問答都更好用

演算法與應用

實體偵測先找出人、地、物這是三元組的基礎
關係判斷再看兩個實體之間的連結通常比找實體更難
結構化輸出把結果整理成固定格式方便進資料庫
後續應用用於知識圖譜和檢索很常見的下游工作

情境判斷

Q1(直覺題):你想把商品評論整理成資料表,三元組抽取有幫助嗎?

有幫助,因為它能把文字裡的關係轉成結構化欄位。

Q2(判斷題):如果一句話只有名字沒有關係,還能硬抽三元組嗎?

不太行,因為三元組需要至少有可判定的關係。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 1 題把三元組抽取列為延伸術語。

相關術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本