Typically, Information Extraction (

Typically, Information Extraction (IE) systems learn an ex- tractor 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 num- ber of target relations is very large, or where the target re- lations 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 auto- matic 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 máy kéo cũ 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 nơi num-ber quan hệ mục tiêu là rất lớn, hoặc nơi mà mục tiêu re-lations 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]. Auto - matic xác định các mối quan hệ cụm từ cho phép việc khai thác bất kỳ quan hệ từ câu, obviating giới hạn một từ vựng được chỉ định trước.

Kết quả (Việt) 2:

Thông thường, thông tin Khai thác hệ thống (IE) tìm hiểu một máy kéo nghiệm 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 nơi num lượng các mối quan hệ mục tiêu là rất lớn, hoặc các mục tiêu qui lại không thể được chỉ 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 xác định matic auto 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 xác định trước.