Nlp 在文本中执行语义分析

我想对一些类似YAGO的文本进行语义分析。但我在文本中没有确定实体和关系的结构。一种方法是使用词性标记，然后识别句子中的主语和谓语。但我仍然无法确定他们之间存在什么样的关系。 我该怎么做

例如：

Albert Einstein was born in 1879.

应导致：

AlbertEinstein BORNIN   1879
subject        relation predicate

---

我的目标是寻找更好的方法来发现原始文本中的主语、谓词和关系。

您试图解决的任务被称为语义分析，而语义分析有更广泛的意义（老实说，我现在不能肯定它意味着什么）

---

关系提取是一个开放的研究问题，因此我建议对该领域进行回顾——例如，从书或论文的第2.3章开始（比2007年稍微老一点）。然后通过以下引用或链接引用继续研究；最后，尝试实现看起来最有希望的方法：例如，如果您知道您的数据非常正式（所有句子都很短，并且具有相似的严格结构），那么尝试类似于基于模式的方法；等等。

斯坦福解析器可以做到：）不过，您需要查看依赖项解析器。请查看本页底部：：

主题：nsubj（拍摄，下雨）， 或直接对象：dobj（关闭，轮毂））

或者查看此页面（斯坦福依赖项）：

要理解注释，请查看以下内容：

---

对于您的特定示例，请使用Stanford“折叠的”依赖项解析器，它将为给定的句子生成类似born_in（Einstein，1879）的谓词，这与您想要的非常相似。

您试图做的基本上是理解自然语言，自然语言处理的一个分支，也是计算语言学的一个分支，通常被认为是工程学的分支

您可以进行语义分析或关系提取。两种方法都可以完成此任务。我决定通读Suchanek et al（2007），你会发现它是基于本体论的，关系被提取到预定义的本体论模板中，在该模板中对Aixom进行了预测（例如，BORNIN）。我个人认为这对一般智能来说是一个很大的限制，但对弱人工智能问题（狭窄的领域）非常有效。这些年来，更多有趣的工作正在发生，比如本体驱动的信息提取，算法是在本体上训练的，而不是用本体标注语料库。我想到的一个博士研究是麦克道尔论文和

不管怎样，在不偏离主题的情况下，目前有一个非常有趣的开源Python GUI驱动项目，名为iepy，由一家基于django的公司开发。它允许基于规则和基于机器学习的信息提取。我强烈建议你去看看->我自己试过了。而且，我不是这家公司的成员

根据文件：

IEPY是一个开源的信息提取工具，主要用于 关系抽取

举一个关系提取的例子，如果我们试图找到 出生日期：

约翰·冯·诺依曼（1903年12月28日至1957年2月8日）是一位杰出的艺术家 匈牙利和美国纯粹和应用数学家、物理学家、， 发明家和博学者。“然后，伊比的任务是识别”约翰·冯 “诺依曼”和“1903年12月28日”作为主体和客体的实体 “出生于”关系

它的目标是：用户需要在计算机上执行信息提取 大数据集。科学家们想用新的IE进行实验 算法

---

我不明白投反对票的原因。请检查我现在是否把问题说得更清楚了。