Automatická extrakce obsahu - Automatic content extraction - Wikipedia

Automatická extrakce obsahu (ESO) je výzkumný program pro vývoj pokročilých extrakce informací technologie svolané NIST v letech 1999 až 2008 uspěl MUC a předchozí Konference o analýze textu.

Cíle a úsilí

Obecným cílem je program ACE motivován a řeší stejné problémy jako program MUC, který mu předcházel. Program ACE však definuje cíle výzkumu z hlediska cílových objektů (tj. Entit, vztahů a událostí) spíše než z hlediska slov v textu. Například takzvanou úlohou „pojmenovaná entita“, jak je definována v MUC, je identifikovat ta slova (na stránce), která jsou názvy entit. Na druhé straně v ACE je odpovídajícím úkolem identifikovat takto pojmenovanou entitu. Jedná se o jiný úkol, který je abstraktnější a který při tvorbě odpovědi zahrnuje explicitnější odvození. Ve skutečném smyslu je úkolem detekovat věci, které „tam nejsou“.

Zatímco program ACE je zaměřen na extrakci informací z Zvuk a obraz zdroje kromě čistého textu se výzkumné úsilí omezuje na extrakci informací z textu. Aktuální transdukce zvukových a obrazových dat do textu není součástí výzkumného úsilí ACE, ačkoli zpracování ASR a OCR výstup z těchto převodníků je.

Úsilí zahrnuje:

  • podrobně definovat výzkumné úkoly,
  • shromažďování a anotování údajů potřebných pro školení, vývoj a hodnocení,
  • podpora výzkumu hodnotícími nástroji a výzkumné semináře.

Témata a cvičení

Vzhledem k tomu, text v přirozený jazyk, výzvou ACE je detekovat:

  1. subjekty zmíněné v textu, například: osoby, organizace, místa, zařízení, zbraně, vozidla a geopolitické subjekty.
  2. vztahy mezi entitami, jako například: osoba A je manažerem společnosti B. Mezi typy vztahů patří: role, část, lokalizace, blízko a sociální.
  3. Události zmíněné v textu, například: interakce, pohyb, přenos, tvorba a destrukce.

Tento program se týká Angličtina, arabština a čínština texty.

Korpus ACE je jedním ze standardních standardů pro testování extrakce nových informací algoritmy.

Reference

externí odkazy