基于GATE的信息抽取系统介绍
4星 · 超过85%的资源 需积分: 10 162 浏览量
2009-04-05
12:27:26
上传
评论 1
收藏 36KB DOC 举报 
1 GATE 介绍
GATE 是一个应用广泛的信息抽取的开放型基础架构，为用户提供图形化的开发环境，
被许多自然语言处理项目尤其是信息抽取研究项目所采用。该系统对语言处理的各个环
节――从语料收集、标注、重用到系统评价均能提供很好的支持。
GATE 设计的三个主要目的是：
1) 为语言处理软件提供基础架构，提供文本处理的总体组织结构。
2) 提供可重用的用于自然语言处理的组件和类库，从而能够嵌入到各种不同语言处理
的应用程序中。
3) 提供语言工程的开发环境，为语言处理软件的研究和开发提供一种方便的图形化的
环境，为用户提供全面的开发帮助和可视化的调试机制。
1.1 CREOLE
GATE 平台的核心是可重用组件――CREOLE（a Collection of REusable Objects for
Language Engineering），CREOLE 基于 Java Bean 实现，有三种类型：
Language Resources（LRs）：LR 可以理解成 IE 要处理的文本，在 GATE 中用
Document 对象表示可处理的文本，目前支持 XML，HTML，PDF 等格式，Corpus 则是一
组 Document 的集合，可以作为一个整体来处理。
Processing Resources（PRs）：PR 是 GATE 中进行语言处理的模块，不同的 PR
可以完成不同的具体任务，比如分词，模式匹配等。
VisualResources(VRs)：VR 是 GUI 中的可视化编辑部件。
1.2 ANNIE
GATE 中的所有可重用资源的集合，被整体地的用在了基于规则方法的英文信息抽取
系统 ANNIE（A Nearly-New IE system）中。简单来说，ANNIE 是一个可重用并且易扩展
的组件集合，任务是完成信息抽取和标注。
在 GATE 的 GUI 中 ANNIE 对应于 Application，它把一组 PR 拼接起来组成一个
PipeLine 作用于一个 Corpus 或者 Document 上以产生对文本的标注结果。具体来讲，就
是一篇待处理文档，经过类似流水线一般的处理，严格按照规定顺序经过英文分词、英文
词表查询、英文分句、英文词性标注、英文抽取规则定义、英文命名实体识别和英文共指
消解处理之后，实现整篇文档的信息抽取。
下面举个简单例子来说明 ANNIE 的信息抽取过程。
ANNIE 对于文本中的标注可以通过以下三步来完成：以标注"July 31, 2000"为例说明：
资源评论
xuefenls2012-06-24还不错，但是还不够具体：）
sunmeal2012-03-13对GATE的语法进行了一个初步的描述，要是有里面的规则就更好了
qq_382929752018-12-25总体还不错
