Since information has been extracte

Since information has been extracted and synonyms identified,
our unstructured data must be put in computerprocessable
form. The current task thus consists in organizing
extracted tuples in a querying form such as instances
of ontologies, tuples of a database schema or set of quads
(< subject, predicate, object, context >). This idea is found in
[59–61,40] but uses several hand-written regular expressions.
It is also found in [76]’s On-demand IE approach and in [77]
where they propose a method to map triples output from
an OIE process to a domain-ontology. The former approach
chooses to escape from an expensive computation problem
by using only triples where the relation is verb-based unlike
the latter, which takes into account “tuple from each pair of
adjacent Noun Phrases”. Moreover, the approach in [77] is very
domain-specific and in their objective of mapping OIE tuples
with a domain-ontology, the authors implicitly assume that
all the facts of an event are inside the same sentence. This assumption,
which is obviously too restrictive, is also found in
ontology population tasks [78,79] and in OIE [63,80,47]. Hence,
it is clear to us that the first task is to be able to chunk a whole
text into a set of events (which are in forms of sentences
that are not necessarily contiguous in a given document [49])
and then to map concepts and relations of a given ontology
or columns of a given database schema into the extracted
pieces of information (from binary or n-ary relations) of each
chunk. We see that unlike [77], many approaches work with
general concepts (named entities categories like person, organization,
location, date, etc.) [76,81]. Some work like YAGO [82] try
to have some specific concepts (e.g “American person”), but it
seems to us too general in comparison to [77] where concepts
such as “NFLTeam”, “GameWinner” or “TeamScoringAll” can be
extracted.

ผลลัพธ์ (ไทย) 1:

แยกข้อมูลออก และ ระบุคำเหมือนข้อมูลของเราไม่ต้องใส่ใน computerprocessableแบบฟอร์ม งานปัจจุบันจึงประกอบด้วยในการจัดแยกแบบสอบถามเช่นกรณีแฮontologies, tuples ใน schema ของฐานข้อมูลหรือชุดของ quads(<เรื่อง เพรดิเคต วัตถุ บริบท >) ความคิดนี้อยู่ใน[59-61,40] แต่ใช้นิพจน์ทั่วไปหลายที่เขียนด้วยลายมือเป็นวิธีการที่พบใน [76] ของตาม IE และ ใน [77]ที่พวกเขาเสนอวิธีการเพิ่มผลผลิตจากกระบวนการต้องการโดเมนภววิทยา วิธีการเดิมเลือกที่จะหลบหนีจากปัญหาในการคำนวณราคาโดยเฉพาะเพิ่มความสัมพันธ์ที่ใช้คำกริยาเหมือนหลัง ซึ่งนำเข้าบัญชี "tuple จากแต่ละคู่ติดกับนามวลี" นอกจากนี้ วิธีการใน [77] เป็นอย่างมากเฉพาะของโดเมน และ ในวัตถุที่ประสงค์ของ tuples ต้องแมปกับโดเมนภววิทยา ผู้เขียนนัยว่าข้อเท็จจริงของเหตุการณ์อยู่ในประโยคเดียวกัน อัสสัมชัญนี้ซึ่งเป็นที่เห็นได้ชัดว่าจำกัดเกินไป ว่างานประชากรภววิทยา [78,79] และ [63,80,47] ต้องการ ดังนั้นเป็นที่ชัดเจนกับเราที่งานแรกสามารถก้อนทั้งหมดข้อความลงในชุดกิจกรรม (ซึ่งอยู่ในรูปแบบของประโยคไม่จำเป็นต้องอยู่ติดกันในเอกสารกำหนด [49])แล้วแผนที่แนวคิดและความสัมพันธ์ของภววิทยากำหนดหรือคอลัมน์การกำหนด schema ของฐานข้อมูลเป็นการแยกข้อมูล (จากไบนารี หรือ n เผยแผ่ศาสนาความสัมพันธ์) ของแต่ละก้อน เราเห็นว่า แตกต่างจาก [77], หลายวิธีทำงานกับแนวคิดทั่วไป (ชื่อประเภทตีเช่นบุคคล องค์กรตำแหน่ง วัน ฯลฯ) [76,81] . บางคนทำงานเช่นพยายาม YAGO [82]มีแนวคิดเฉพาะเจาะจงบางอย่าง (เช่น "คนอเมริกัน"), แต่มันดูเหมือนว่าเราเกินไปทั่วไปเทียบ [77] แนวคิดเช่น "NFLTeam", "GameWinner" หรือ "TeamScoringAll" ได้แยกออกมา

ผลลัพธ์ (ไทย) 2:

เนื่องจากข้อมูลที่ได้รับการสกัดและคำพ้องระบุ
ข้อมูลที่ไม่มีโครงสร้างของเราจะต้องวางใน computerprocessable
รูปแบบ งานปัจจุบันจึงประกอบด้วยในการจัด
อันดับสกัดในรูปแบบการสอบถามเช่นกรณี
ของจีส์, อันดับของคีมาฐานข้อมูลหรือชุดของล่าม
(<เรื่องกริยาวัตถุบริบท>) ความคิดนี้จะพบได้ใน
[59-61,40] แต่ใช้หลายแสดงออกปกติที่เขียนด้วยมือ.
นอกจากนี้ยังพบใน [76] 's On-demand IE วิธีการและใน [77]
ที่พวกเขานำเสนอวิธีการที่จะส่งออก map อเนกประสงค์ จาก
กระบวนการ OIE กับโดเมนอภิปรัชญา วิธีอดีต
เลือกที่จะหนีออกมาจากปัญหาการคำนวณราคาแพง
โดยใช้เพียงอเนกประสงค์ที่มีความสัมพันธ์เป็นคำกริยาที่ใช้แตกต่างจาก
หลังซึ่งจะนำเข้าบัญชี "tuple จากคู่ของแต่ละคน
ที่อยู่ใกล้เคียงคำนามวลี" นอกจากนี้ยังมีวิธีการใน [77] เป็นอย่างมาก
โดเมนที่เฉพาะเจาะจงและวัตถุประสงค์ของพวกเขาในการทำแผนที่ tuples OIE
กับโดเมนอภิปรัชญาเขียนโดยปริยายคิดว่า
ข้อเท็จจริงทั้งหมดของเหตุการณ์อยู่ในประโยคเดียวกัน สมมติฐานนี้
ซึ่งจะเห็นได้ชัดที่เข้มงวดเกินไปยังพบใน
งานประชากรอภิปรัชญา [78,79] และ OIE [63,80,47] ดังนั้น
มันเป็นที่ชัดเจนกับเราว่างานแรกคือการสามารถที่จะรับรู้ทั้ง
ข้อความลงในชุดของเหตุการณ์ที่เกิดขึ้น (ซึ่งอยู่ในรูปแบบของประโยค
ที่ไม่จำเป็นต้องต่อเนื่องกันในเอกสารที่กำหนด [49])
และหลังจากนั้นจะ map แนวคิด และความสัมพันธ์ของอภิปรัชญารับ
หรือคอลัมน์ของคีมาฐานข้อมูลที่ได้รับเข้ามาสกัด
ชิ้นส่วนของข้อมูล (จากฐานความสัมพันธ์หรือ n-Ary) ของแต่ละ
ก้อน เราจะเห็นว่าแตกต่างจาก [77] หลายวิธีทำงานกับ
แนวคิดทั่วไป (ชื่อประเภทกิจการที่เหมือนคนองค์กร
สถานที่วันและอื่น ๆ ) [76,81] การทำงานบางอย่างเช่น Yago [82] พยายาม
ที่จะมีแนวความคิดบางอย่าง (เช่น "คนอเมริกัน") แต่มัน
ดูเหมือนว่าเรากว้างเกินไปเมื่อเทียบกับ [77] ซึ่งแนวคิด
เช่น "NFLTeam", "GameWinner" หรือ "TeamScoringAll" สามารถ ถูก
สกัด

ผลลัพธ์ (ไทย) 3:

เนื่องจากข้อมูลถูกสกัดและคำพ้องความหมายระบุข้อมูลที่ไม่มีโครงสร้างของเราต้องใส่ใน computerprocessableแบบฟอร์ม ดังนั้น ในการจัดงาน ปัจจุบัน ประกอบด้วยสกัดที่มีในแบบฟอร์มสอบถาม เช่น กรณีนโทโลจีทูเปิลของ , ของฐานข้อมูลหรือชุดของคณะสี่คน( แต่เรื่องกริยาวัตถุบริบท > ) ความคิดนี้ถูกพบใน[ 59 – 61,40 ] แต่ใช้หลายมือเขียนนิพจน์ปกตินอกจากนี้ยังพบใน [ 76 ] ตามความต้องการเช่นวิธีการและใน [ 77 ]ที่พวกเขาเสนอวิธีการแผนที่แสดงอเนกประสงค์จากกระบวนการ OIE เพื่อโดเมนอภิปรัชญา . วิธีการเดิมเลือกที่จะหนีจากปัญหาการคำนวณราคาแพงโดยใช้เพียงอเนกประสงค์ที่ความสัมพันธ์เป็นคำกริยาใช้ซึ่งแตกต่างจากหลัง ซึ่งใช้เวลาใน tuple บัญชี " จากคู่ของติดกันนามวลี " นอกจากนี้ แนวทางใน [ 77 ] มากโดเมนที่เฉพาะเจาะจงและเป้าหมายขององค์กรที่มีแผนที่กับโดเมนอภิปรัชญา , ผู้โดยปริยายว่าความจริงของเหตุการณ์อยู่ในประโยคเดียวกัน สมมติฐานนี้ซึ่งเห็นได้ชัดว่าเข้มงวดเกินไป ยังพบในงาน 78,79 อภิปรัชญา [ ประชากร ] และในองค์กร [ 63,80,47 ] ดังนั้นมันเป็นที่ชัดเจนกับเราว่า ภารกิจแรก คือ สามารถที่จะรวมข้อความลงในชุดของเหตุการณ์ ( ซึ่งอยู่ในรูปแบบของประโยคที่ไม่ได้อยู่ติดกัน ที่ระบุในเอกสาร [ 49 ] )แล้วแผนที่แนวคิดและความสัมพันธ์ของอภิปรัชญาที่กําหนดหรือคอลัมน์ที่กำหนดสคีมาของฐานข้อมูลเข้าสกัดชิ้นส่วนของข้อมูล ( จากไบนารีหรือ n-ary ความสัมพันธ์ของแต่ละก้อน เราเห็นที่แตกต่าง [ 77 ] หลายวิธีทํางานกับแนวคิดทั่วไป ( ชื่อหน่วยงานประเภทต่าง ๆ เช่น บุคคล องค์กรสถานที่ , วันที่ ฯลฯ ) [ 76,81 ] งานบางอย่าง เช่น yago [ 82 ] ลองมีบางแนวคิดที่เฉพาะเจาะจง ( เช่นอเมริกัน " คน " ) , แต่ดูทั่วไปในการเปรียบเทียบกับ [ 77 ] ที่แนวคิดเราเช่น " nflteam " , " gamewinner " หรือ " teamscoringall " สามารถสกัด