<知识库的构建> 5-2 通过推理进行信息提取 Information Extraction by reasoning
引自Fabian Suchanek的讲义。
总结：如何扩张KB并且使KB打到最大权重即MAXSAT，可以使用穷举法或者Unit Propagation方法，各有利弊。要知道如何使用在有命名的corpus上对实例做标记，例如@D42，利用occurs，means，R等进行pattern detection和pattern application以及消除过程中二义性等问题的方法。
在进行信息提取的时候，我们经常会遇到的问题，再上一个章节已经提到：
例如：
即二义性的问题，图中hermione和ron结婚但是有两个人都有ron的标签，我们无法判断到底她和谁结了婚。
需要知道的一些定义：
atom：命题陈述Propositional statement
polarity：positive，negative，在KB中positive永远为正，KB中永远不会出现negative，若KB中既无某原子的正也没有负，说明负是正确的。
Conjunction：且
Disjunction：或，可以被写成Clause，例如{A , B} 相当于A or B
Implication：A-->B, 相当于nonA or B
通用量化公式universally quantified formula：相关实例的简写符号 shorthand of related instances 例如：hasSpouse(X,Y) -> has(Y,X) 是 hasSpouse(aa,bb) -> has(bb,aa)，hasSpouse(cc,dd) -> has(dd,cc)，etc的简写
加权规则weighted rules：带有weight的rules
KB的权重：KB中所有rules的权重之和
MAX SAT：找到KB的最高权重的过程，若有多种情况可使KB打到最大权重，则看哪种情况使用的原子数目少，则哪种更好
MAX SAT的方法：
1穷举法Exhausted search
列出KB中所有rules的atoms，进行排列组合，尽可能使KB的的权重最大
有点：正确，完整 缺点：复杂度超高，有2的n次方个可能世界
2 单位传播Unit Propagation
针对rules的情况：
- 把单个的rules添加至KB，我们简称它为a
- 把其他rules中的a都删掉
- 若一条rules都被满足，则把此rules删掉
针对clauses的情况：
- 删掉单个的atom，我们简称为a
- 把其他clause中的a删掉
- 把其他clause中a的否定删掉
优点：正确 缺点：不完整，因为只有当一个atom比它的否定相关的所有rules的权重之和大是才可进行传播
小练习：进行unit propagation
尽可能找权重高的单独的atom，我选择likes(Hermione, Ron) ,但是它的权值比它的否定相关的rules总和小，化简第三条rules，否定的权值为100，所以不propagation，重复此过程，最终最高权重KB为：
is(Harry,Smart)[10], is(Hermione,smart), likes(Hermione,Harry)[3] 总权重为111即1，3，4 成立
使MAX SAT得到更好的结果的方法：
@font-face { font-family: "Cambria Math"; }@font-face { font-family: "DengXian"; }@font-face { font-family: "@DengXian"; }p.MsoNormal, li.MsoNormal, div.MsoNormal { margin: 0cm 0cm 0.0001pt; font-size: 12pt; font-family: "Times New Roman"; }.MsoChpDefault { font-family: DengXian; }div.WordSection1 { }
例如：原子数少时进行穷举，尽可能先找权重大的atoms或者使权重大的rules成立，etc
一致性：在rules当中添加类似于different，means，type等relation确保一致性
例如：hasSpouse(X ,Y) and different(Y,Z) => non hasSpouse(X,Z)
KB可以用rules来表达
例如：KB中有一个原子，张这样：A(X,Y)[100]
写成rules - A(X,Y) [100]
假设完整：为了使KB更完整，我们可在KB中添加rules的例子
例如：non A(X,Y)[100] , 我们添加non A(aaa,bbb) [100] , non A(ccc,ddd) [100]
把corpus写成rules：主要用到了occurs，means，different
例如：我们有一个corpus叫D42，内容为：Hermione married Ron
Occurs(Hemione@D42,married,Ron@D42)：此处的D42就是表示我们文章中的
但同一篇文章中容易个Ron也有可能有多个含义，此时用mean表示，例如：
means(D42, Ronauld)
means(D42,RonWeasly)
为了消除这种二义性，我们可以用context消歧或者prior消歧
例如：Occurs(Hemione@D42,married,Ron@D42) [3] 后面的3代表了3次
means(D42, Ronauld) [5]
means(D42,RonWeasly) [7]
means 后面的数字是根据Disambiguation来的，重叠次数
means(X,Y) and different(Y,Z) => non means(X,Z) 这种rules属于很hard的rule，需要高权重
我们再上一张讲过parttern推理的方法，现在在我们用occurs，means，R来进行parttern推理，最后得到isPartternfor的结果：
例如：KB : Reagon—hasSpouse -->Davis
corpus : Reagon married to Davis
根据上一章节讲的parttern推理方法，可以知道married(X,Y) 是hasSpouse(X,Y)的一个pattern，若我们用occurs，means，R该如何推理呢？
从KB中可得：hasSpouse(Reagon, Davis)
occurs(R@1,married,D@1) 假设我们的corpus叫1
means(R@1, Reagon)
means(D@1, Davis)
=> occurs(X,P,Y) and means(X,X’) and means(Y,Y’) and R(X’,Y’) => isPatternFor(P,R)
所以此时isPatternFor(married, hasSpouse)
运用pattern，是推理Pattern的反过程，即·
occurs(X,P,Y) and means(X,X’) and means(Y,Y’) and isPatternFor(P,R) => R(X’,Y’)
小练习：运用Pattern推理和Pattern应用，每条rules的权重为1，找到最好的world
用1，2，3，4运用Pattern deduction，即：
occurs(P@1, « adores », E@1) and means(E@1, Elvis) and means(P@1, Priscilla) and hasSpouse(Priscilla, Elvis) => isPatternFor(adores, hasSpouse) 我们简称7式
用5672进行Pattern applying，即
occurs(M@1, « adores »,E@1) and means(M@1, Madonna) and means(E@1, Elvis) and isPatternFor(adores, hasSpouse) => hasSpouse(Madonna,Elvis)
会遇到的问题：二义性，corpus本身有问题，解析句子出现问题，出现矛盾例如接了两次婚
例如：
我们不知道到底是哪个ron和Davis结了婚
如何解决这些问题：找到最可信的world
利用关系的对称性：hasSpouse(X,Y) => hasSpouse(Y,X)
- 从pattern推理得到的rules进行实践的时候权重要小
- 从KB中直接拿来用的 rules权重要高
