从NER解析中提取关系

Question

我正在研究一个似乎至少需要命名实体识别的问题，但是我不确定如何比NER解析更深入。 我正在尝试做的是解析有关事件安排的信息（可能来自推文）。 因此，例如，我希望能够自动解决对“甲壳虫乐队明天玩吗？”问题的是/否答案。 来自以下短消息：

“甲壳虫乐队明天取消了演出”或“甲壳虫乐队的演出仍在明天”

我知道NER将使我接近，因为它将确定感兴趣的范围和时间（如果有指示的话），但是有很多方式表达我感兴趣的概念，例如：

“甲壳虫乐队明天将上演”或“甲壳虫乐队明天将不再上演。”

如何从NER解析的表示形式提取感兴趣的信息？ 任何建议将不胜感激。

Answer 1

我猜您应该通过事件检测进行搜索（可选- 在Twitter中 ）； 也许，也可以通过问答系统 ，如果您的带有“是/否”问题的示例不只是一个例子：如果您事先知道用户的需求，则此信息可以提高系统的质量。

首先，在Twitter上有一些关于事件检测的文章： here和here 。

作为基准，您可以创建一个列表，其中包含针对您的域的正向动词（ 如要安排 ）和包含负向动词（如要取消，延迟 ）-只需从手动列表开始，然后用某些词典（例如WordNet）的同义词进行扩展。 还要检查否定性-再次，通过在推文中是否存在预先指定的词（“ not”以不同的形式）。 然后，如果存在否定，则只需反转含义即可。

由于您使用Twitter，并且很可能在一条推文中仅提及一个事件，因此它可以很好地运行。