提及项

提及项是您在领域数据中视为相关的任何范围的文本。 例如，在有关车辆的类型系统中，出现的 airbag、Ford Explorer 和 child restraint system 等术语可能是相关的提及项。

实体类型

实体类型是您对现实世界事物的分类方式。 实体提及项是该类型事物的一个示例。 例如，提及项 President Obama 可被注释为 PERSON 实体类型。 提及项 IBM 可被注释为 ORGANIZATION 实体类型。 实体通常为名词，但也可以是动词，只要捕获相应动词对于将使用类型系统的应用程序的用途很重要。 例如， EVENT_CRASH 可能是有关汽车的类型系统的有效实体类型，因此可以对语句 The car hit the barrier. 中的单词 hit 进行注释。

注释工作空间的目标是使用相应类型来注释文档中的每个提及项。 在按实体类型对提及项分类之后，标注的文本范围称为实体。

使用 Knowledge Studio 构建的类型系统可包含以下实体类型属性。 这些属性帮助限定文本中的提及项，但是机器学习模型不会将它们标记为实体类型。 例如，如果实体类型 ORGANIZATION 具有名为 COMMERCIAL 的实体子类型，那么 COMMERCIAL 不会单独标记为实体类型。

• 角色

  按提及项出现的上下文限定该提及项。 例如，语句 France 中的提及项 the students went to France 将使用实体类型 GPE 进行标记，因为 France 是地缘政治实体。 但是，因为此上下文中的 France 也是旅行学生的目的地，因此将通过添加属性（在本例中为角色 LOCATION）来限定该实体类型。 再例如，提及项 Lawyers 可使用实体类型 PEOPLE 以及角色 OCCUPATION 进行标记。

• 实体子类型

  进一步对实体类型分类。 例如，实体类型 ORGANIZATION 可能包含子类型 COMMERCIAL、GOVERNMENT、MILITARY 和 EDUCATION。

• 提及项类型

  通过特定词性限定提及项：

  • NAM：提及项是专有名词，例如，人员的姓名或组织的名称。
  • NOM：提及项是名词性词（普通名词），例如，company 或 president。
  • PRO：提及项是代词，例如，he、we 或 it。
  • NONE: 其他三种提及项类型都不适用。

• 提及项类

  通过指示提及项是特定、通用还是否定来限定提及项：

  • SPC：提及项为特指，通常在英语中包含词 the，例如，the book 或 the hurricane occurred in September。 在这些示例中，将使用属性 SPC 来注释提及项 book 和 hurricane。
  • GEN：提及项为泛指，例如，a book 或 hurricanes usually occur in the fall。 在这些示例中，将使用属性 GEN 来注释提及项 book 和 hurricanes。
  • NEG：提及项被否定，例如，引用 no book。 在训练模型时，算法可学习否定和肯定示例，因此标记两种类型的提及项非常重要。

关系类型

关系类型定义两个实体之间的二元排序关系。 要使关系提及项存在，文本必须明确同时定义两个实体的关系和绑定提及项，并且必须在单个句子中执行此操作。 例如，句子 Mary works for IBM 是 employedBy 关系类型的文本证据。

对于某些关系类型，实体提及项的顺序非常重要。 例如， employedBy 关系类型允许实体类型 PERSON 或 PEOPLE 作为关系中的第一个提及项， ORGANIZATION 或 GPE 作为第二个提及项，但不允许其他方式。 Mary employedBy IBM 是有效关系。 IBM employedBy Mary 不是。 对于某些关系类型（例如 spouseOf、colleague 或 sibling），顺序无关紧要。 在定义顺序不重要的关系类型时，最佳实践是向注释准则添加信息以规范化关系类型的使用方式。 用于注释此类对称关系的约定为：文本中第一次出现的实体提及项应该是关系中的第一个提及项。

相关概念：

从其他工作空间上传资源

关于本任务

以下命名规则适用于类型系统条目：

• 名称不能包含空格。
• 对于添加到类型系统中的值，仅使用以下字母数字 ASCII 字符和下划线字符：A 到 Z、a 到 z、0 到 9。
• 实体或关系类型名称中的第一个字符必须是字母。
• 实体类型名称长度不能超过 64 个字符。
• 关系类型名称长度不能超过 128 个字符。

根据约定，实体类型名称以大写字符 (ORGANIZATION) 指定，关系类型名称以驼峰大小写 (employedBy) 指定。 但是，此约定是可选的。

过程

1. 以 Knowledge Studio 管理员或项目经理的身份登录，然后打开资产 > 实体类型页面。

2. 选择以下某种方法来创建类型系统：

   • 上传现有类型系统：

     1. 在实体类型选项卡上，单击上传。

        如果先前从 Knowledge Studio 工作空间下载了类型系统，那么将以 JSON 格式下载类型系统。 您可以上传此类型系统以快速启动工作空间的创建。 有关更多信息，请参阅从其他工作空间上传资源。

        无论类型系统的来源是什么，其中的条目必须满足先前列出的命名规则。

     2. 按照从头开始创建类型系统时的相同方式，添加、编辑和删除实体类型和关系类型。

   • 从头开始创建类型系统：

     1. 在实体类型选项卡上，单击添加实体类型。

     2. 指定描述性实体类型名称，同时记住，实体类型是用于注释领域内容中的重要文本范围（提及项）的标签。 请保持名称简短且具有代表性，以便人工注释者可轻松记住名称。

        您还可以选择定义实体类型的角色和子类型：

        • 角色帮助限定提及项出现的上下文中的实体类型。 例如，可使用实体类型 Software Engineer 以及此上下文中的角色 PEOPLE 标注提及项 OCCUPATION。 请参阅何时定义角色以获取更多信息。
        • 子类型帮助进一步对实体类型分类。 例如，实体类型 GOVERNMENT 可能会有子类型 MILITARY 和 CIVILIAN。

        通过定义实体的角色或子类型，可为在注释时将类型信息关联到提及项的人员提供更多选项。 人工注释者可应用仅指定实体类型或者实体类型加现在所定义角色或子类型的注释。

        尝试定义足够的实体类型以捕获想要注释的关键概念，但是实体类型不要过多，以免人工注释者很难准确应用标签。

     3. 单击提及项类和提及项类型以查看缺省提及项类和提及项类型。 您不能编辑这些值。

        属性的用途是帮助按其类型标注每个提及项。 提及项类型指示提及项为名称、名词性词还是代词，而提及项类指示提及项为特定、通用还是否定。

     4. 打开资产 > 关系类型页面，并指定两个提及项如何相互关联。

        关系类型中的第一个实体和第二个实体之间的顺序通常是相关的。 例如，PERSON 实体可以是 ORGANIZATION 实体或地缘政治实体 (GPE) 的职员，例如 Mary employedBy IBM，但人员不能雇用组织和地缘政治实体。 在人工注释者单击参考标准编辑器中的实体时，可用关系类型的列表由类型系统中定义的内容进行控制。

        请勿定义关系属性。 机器学习模型不会使用这些属性。 模型仅使用关系类型和顺序，而忽略关系属性。

     5. 使用编辑和删除图标修改实体类型及其关联的关系类型，或者从类型系统中删除实体类型或关系类型。

        如果删除在关系类型定义中使用的实体，那么也会删除关系类型定义。

相关任务：

修改类型系统而不丢失人工注释

角色与子类型有何差别？

实体子类型用于将实体类型的清单分层为层次结构。 例如，如果您希望区分 40 件事物，但它们在逻辑上分组为 10 组，每组 4 个（VITALSIGN_BLOODPRESSURE、VITALSIGN_HEARTRATE、MEDICATION_DOSAGE、MEDICATION_FREQUENCY），那么您可以将它们构造为类型和子类型，这将生成更紧凑的菜单，但会使标注过程的深度和麻烦程度提高一个级别。 对于信息抽取用途，类型和子类型组合可以与大量不含子类型的类型交换使用。 与之相反，应用角色的词或短语是一种实体类型的示例，但是它扮演另一个实体类型的角色，该实体类型并非其他类型的子类型。

如何处理角色？

Knowledge Studio 机器学习模型通过将实体类型与角色值并置，针对在源文档中找到的实体的每个提及项定义分类器标签。 在提供角色值时，可创建更精确的标签。 训练数据中一种标签类型的每一组实例都构成一组更加统一的提及项。 困难在于，通过选择提高精确性，您还必须同意提供更多训练数据以确保模型表现良好。 但是，提供的训练数据越多，模型变得越好。 因此，如果不介意执行更多注释，那么使用角色可获得更好的结果。

例如，假定在源文档中出现以下句子，并且我们想要捕获 Acme（其中 Acme 是著名的卡车制造商）、sedan 和 truck 作为类似实体，因为它们全都指代实际车辆：

• a) The Acme crashed into the concrete barrier.
• b) The sedan crashed into the concrete barrier.
• c) The Acme A-160 truck crashed into the concrete barrier.

您可以通过两种方式来处理类型系统设计：

1. 定义两个实体类型：MANUFACTURER 和 VEHICLE。 对于 MANUFACTURER 实体，定义除缺省 VEHICLE 角色外还可使用的 MANUFACTURER 角色。

   使用此类型系统时，将按如下所示对句子进行注释：

   • a) Acme 注释为 MANUFACTURER 实体，但角色为 VEHICLE，因为它指示实际车辆。 因此，其内部标签为 MANUFACTURER-VEHICLE。
   • b) sedan 注释为实体类型 VEHICLE。 它自动分配有 VEHICLE 角色，因为未定义其他任何角色。
   • c) Acme 注释为实体类型 MANUFACTURER，并且 truck 注释为实体类型 VEHICLE。 未分配任何角色，因此将使用缺省角色。

2. 定义两个无角色的实体类型：MANUFACTURER 和 VEHICLE。

   使用此类型系统时，将按如下所示对句子进行注释：

   • a) Acme 注释为实体类型 VEHICLE。
   • b) sedan 注释为实体类型 VEHICLE。
   • c) Acme 注释为实体类型 MANUFACTURER，并且 truck 注释为实体类型 VEHICLE。

两种不同的类型系统表现如何？ 假定一组文档已由人工注释者进行注释。 在注释通过后，将在训练语料库中标识以下训练事件（手动标注的实体）：

• 类型系统 1

  MANUFACTURER-MANUFACTURER 800 events
  MANUFACTURER-VEHICLE 200 events
  VEHICLE-VEHICLE 400 events
  

• 类型系统 2

  MANUFACTURER 800 events
  VEHICLE 200 + 400 = 600 events
  

在模型处理新文档时，大多数时间可能会将 Acme 标注为 MANUFACTURER，因为单词拼写是一个很强的特征，而单词 Acme 可能将在 MANUFACTURER 字典中进行定义。 将需要大量上下文以不同方式对其进行标注。 如果使用类型系统 1 ，那么只有 200 个 MANUFACTURER-VEHICLE 训练事件，与类型系统 2 中 VEHICLE 的 600 个事件相比，这是一个缺点。 但是，类型系统 1 中的训练事件集群都相当统一，这将导致更好的性能。 对于类型系统 2，针对 VEHICLE 的 600 个训练事件的集合实际上由两个完全不相交的集群组成：一个包含指示实际车辆的制造商名称（例如，Acme 和 Ford），而另一个包含车辆类型（例如，sedan、SUV 和 truck）。 直观地说，这两个集群各自本身都是统一的，但两者混合在一起会削弱训练集群并呈现更难于解决的问题。 如果继续执行注释并且添加更多训练事件，类型系统 1 的性能将越来越好，而解决类型系统 2 导致的两个不相交集群的问题则并不会通过更多训练得到改进。