Typically, Information Extraction (

Typically, Information Extraction (IE) systems learn an extractor for each target relation from labeled training examples [Kim and Moldovan, 1993; Riloff, 1996; Soderland, 1999]. This approach to IE does not scale to corpora where the number of target relations is very large, or where the target relations cannot be specified in advance. Open IE solves this problem by identifying relation phrases—phrases that denote relations in English sentences [Banko et al., 2007]. The automatic identification of relation phrases enables the extraction of arbitrary relations from sentences, obviating the restriction to a pre specified vocabulary

Kết quả (Việt) 1:

Thông thường, Hệ thống thông tin khai thác (IE) tìm hiểu một vắt cho mỗi quan hệ mục tiêu từ đào tạo có nhãn ví dụ [Kim và Moldova, 1993; Riloff, năm 1996; Soderland, 1999]. Cách tiếp cận này để trình duyệt IE không quy mô corpora mà số lượng các mục tiêu quan hệ là rất lớn, hoặc nơi quan hệ mục tiêu không thể được xác định trước. Mở IE giải quyết vấn đề này bằng cách xác định cụm từ liên quan — cụm từ biểu thị quan hệ trong tiếng Anh câu [Banko và ctv., 2007]. Tự động nhận dạng cụm từ mối quan hệ cho phép việc khai thác bất kỳ quan hệ từ câu, obviating việc hạn chế để một pre chỉ định từ vựng

Kết quả (Việt) 2:

Thông thường, thông tin Khai thác hệ thống (IE) học một vắt cho mỗi quan hệ mục tiêu từ các ví dụ đào tạo nhãn [Kim và Moldova, 1993; Riloff năm 1996; Soderland, 1999]. Cách tiếp cận này để IE không quy mô để corpora mà số lượng các mối quan hệ mục tiêu là rất lớn, hoặc các mối quan hệ mục tiêu không thể được xác định trước. Mở IE giải quyết vấn đề này bằng cách xác định mối quan hệ các cụm từ cụm từ biểu thị quan hệ trong câu tiếng Anh [Banko et al., 2007]. Việc nhận dạng tự động các cụm từ liên quan cho phép khai thác các mối quan hệ tùy ý từ câu, loại bỏ việc hạn chế đến một từ vựng được quy định trước