[论文解读] Description of the Odin Event Extraction Framework and Rule Language

Marco A. Valenzuela-Escárcega, Gus Hahn-Powell+1 more|arXiv (Cornell University)|Sep 24, 2015

Natural Language Processing Techniques被引用 5

一句话总结

该论文提出 Odin，一种与领域无关的基于规则的事件抽取框架，结合句法依存模式与表层标记模式，实现鲁棒且高效的的信息抽取。该框架通过声明式 YAML 规则语言，支持快速开发复杂事件模型，实现在真实应用中每秒处理超过 100 个句子，兼具高准确率与通过自定义 Scala 操作实现的可扩展性。

ABSTRACT

This document describes the Odin framework, which is a domain-independent platform for developing rule-based event extraction models. Odin aims to be powerful (the rule language allows the modeling of complex syntactic structures) and robust (to recover from syntactic parsing errors, syntactic patterns can be freely mixed with surface, token-based patterns), while remaining simple (some domain grammars can be up and running in minutes), and fast (Odin processes over 100 sentences/second in a real-world domain with over 200 rules). Here we include a thorough definition of the Odin rule language, together with a description of the Odin API in the Scala language, which allows one to apply these rules to arbitrary texts.

研究动机与目标

• 解决 NLP 领域中基于规则的信息抽取缺乏标准化、可访问语言的问题。
• 实现领域特定事件抽取语法的快速开发，最大限度减少设置时间。
• 结合句法与表层模式，提升对解析错误的鲁棒性。
• 提供高性能、可扩展的框架，支持复杂事件结构与语义约束。

提出的方法

• Odin 框架使用声明式 YAML 规则语言，通过依存关系和标记级模式定义事件触发词与论元。
• 规则使用命名参数、量词和零宽度断言，以建模复杂的句法与语义约束。
• 系统与 NLP 处理流水线（如 Stanford CoreNLP）集成，以获取词性、词干、命名实体和依存解析信息。
• 通过使用词形形态触发词作为浅层过滤器，减少在应用复杂句法模式前的搜索空间，从而加速事件抽取。
• 可在规则中附加自定义 Scala 操作，用于处理复杂现象，如共指消解或后处理。
• Odin API 支持程序化实例化语法并应用于带标注文本，输出为结构化 JSON 格式。

实验结果

研究问题

• RQ1 如何设计一个基于规则的事件抽取系统，使其在不同领域中既强大又易于使用？
• RQ2 哪些设计原则能够在存在解析错误的情况下，确保事件抽取的高性能与鲁棒性？
• RQ3 如何设计统一的规则语言，使单一框架能够同时支持表层模式与句法模式？
• RQ4 在真实应用中，使用基于触发词的过滤机制对处理速度有何影响？
• RQ5 如何在不牺牲性能或可维护性的前提下实现可扩展性？

主要发现

• Odin 在标准笔记本电脑上，使用包含 211 条规则的语法规则，在真实生物医学领域中实现每秒处理超过 100 个句子。
• 该框架支持复杂事件结构，包括递归事件和具有相同名称的多个论元。
• 混合使用表层模式与句法模式，即使在依存解析失败时也能实现鲁棒的抽取效果。
• 规则语言支持在带方向操作符的依存图上使用扩展正则表达式进行强大模式匹配。
• 可自定义的 Scala 操作可无缝集成到规则系统中，用于处理非平凡的后处理任务。
• 系统可在数分钟内启动并运行，配置极少，支持快速原型设计与领域迁移。