بهبود هزینه محاسباتی در سامانه‌های استخراج آزاد اطلاعات با استفاده از مدل لاگ لینیر

استخراج اطلاعات شامل توسعه الگوریتم هایی است که به صورت خودکار متن غیرساخت یافته را پردازش و پایگاه داده ای از موجودیت ها، روابط و وقایع را تولید می کنند. یکی از مشکلات اساسی استخراج اطلاعات، هزینه بالای محاسباتی این روش ها است. این موضوع در دامنه هایی با مقیاس بزرگ نظیر وب اهمیت زیادی دارد. در سال های اخیر رو ش های استخراج آزاد اطلاعات زیادی پیشنهاد شده است. این روش ها محدوده وسیعی را از ابزارهای پردازش زبان طبیعی را اعم از سطحی (نظیر برچسب زن اجزای کلام) تا عمیق (نظیر برچسب زن نقش معنایی) در برمی گیرند. در این مقاله روشی بهینه برای استخراج آزاد اطلاعات نشان داده شده که بر پایه ترکیب مزایای استخراج گرهای سطحی و عمیق و اجتناب از معایب آنها بنا شده است. استخراج گر که هسته اصلی روش پیشنهادی است، با استفاده از پارامترهای موثر، زیرمجموعه ای را با کارایی بالا با استفاده از یک روش بهینه به کمک مدل لاگ لینیر به وجود می آورد که قابل اجرا در مقیاس وب است. این روش با بررسی جمله ورودی و انتساب آن به مناسب ترین استخراج گر باعث استفاده بهینه از زمان و در نتیجه، کاهش هزینه محاسباتی شده و علاوه بر این به دقت قابل قبولی نیز دست می یابد.

A New Method for Improving Computational Cost of Open Information Extraction Systems Using Log-Linear Model

Information extraction (IE) is a process of automatically providing a structured representation from an unstructured or semistructured text. It is a longstanding challenge in natural language processing (NLP) which has been intensified by the increased volume of information and heterogeneity, and nonstructured form of it. One of the core information extraction tasks is relation extraction which aims at extracting semantic relations among entities from natural language text. Traditional relation extraction techniques were relationspecific, producing new instances of relations determined a priori. While effective, this model is not applicable in cases where the relations are not defined a priori or when the number of relations is high. Open Relation Extraction (ORE) methods were developed to elicit instances of arbitrary relations while requiring fewer training examples. Since ORE systems are employed by the applications depended on largescale relation extraction, high performance and low computational cost are major requirements for ORE methods. This is particularly important in the large scales such as the Web. Many OIE systems have been proposed in recent years. These approaches range from shallow (such as partofspeech tagging) to deep (such as semantic role labeling), therefore they differ in their performance level and computational cost.In this paper, we use the stateoftheart shallow NLP tools to extract instances of relations. A supervised loglinear model for OIE is presented which is based on using advantages of shallow NLP tools, as they are fast and lead to a low computational time. Extractor which is the main core of proposed approach integrates a high performance subset of the shallow NLP tools with the strength of the deep NLP tools by using a supervised log linear model and produces a high performance method that is scalable. This causes efficient use of time and therefore reduces computational cost and increases precision. Proposed approach achieves higher precision and recall than ReVerb, one of the most successful shallow OIE system.