一种用于从非结构化文本中识别属性的模块化无监督框架-计算机科学-机器学习-自然语言处理.pdfVIP

一种用于从非结构化文本中识别属性的模块

化无监督框架

KMASolaiman

DepartmentofComputerScience

PurdueUniversity,WestLafayette,IN,USA

ksolaima@

摘要—我们提出了一种名为POSID的模块化、轻量级且问题1.1(文本中的属性识别):给定一个大型文本

按需框架，用于从非结构化的文本中提取基于属性的结构性信，包含个句子，每个句子有个标记，从非结构

息，无需特定任务的微调。虽然该方法设计为可适应于不同领化文本中进行属性识别的问题是：

本域，但在本工作中，我们在事故报告中的人类特征识别上对其进

译行了评估。POSID结合了词汇和语义相似性技术来识别相关句1)确定描述相关对象属性的句子集

子并抽取属性。我们使用InciText数据集在一个失踪人员案例2)展示对象属性集来自，并

中上展示了其有效性，在没有监督训练的情况下实现了有效的属性3)提取标识属性的值集。

1提取。

v定义1.1(候选句子):给定一组句子，用于描述

9

4I.介绍文本中对象的关键短语，以及一个经验阈值

9，候选句子是

3

0从非结构化文本中识别属性在许多领域都很重要，

.(1)

7包括事故报告中的人类描述、产品描述等。这项任务需

0

5要提取基于属性的结构性描述，例如个人的GENDER在本文中，我们专注于人类属性识别作为一个代

2（性别）、RACE（种族）、BUILD（体型）、HEIGHT（身

:表性用例，其中包括性别、种族、身高和衣

v高）和CLOTHES（衣物）。我们将其定义为相关对象

i物等属性。我们的设定假设描述对象属性的句子

x

r属性集适用于任何下游任务。例如，人类属性识别

a中常用的短语集合（）要么是已知的（由领域

对于警察调查中识别感兴趣的人员或寻找失踪人员至

专家提供），或者提供了少量标注文档以手动识

关重要，也可以用于下游的多模态推理。然而，针对这

别。在示例1中，={wearing}。第一个

个问题的大规模标注数据集很少可用，并且在实际系统

假设来自于视觉和文本模态中行人属性识别的文献，

中部署重型监督或微调语言模型通常是不切实际的。

第二个假设计算成本不高。请注意，(.

示例1:句子“apersonwithwhite

ethnicityandmediumbuildwasse