中文多元组联合标注工具LAnn介绍

摘要

大约在一年前，三元组联合标注工具LAnn发布出来了：。这是为方便我课题所设计并实现的一款三元组标注软件，限定为封闭关系和”头实体-关系-尾实体“的元组角色。但后来参加了百度所举办的多模态信息抽取比赛，发现用三元组来表征现实世界的事实（知识）是不够的，因此在LAnn的基础上进行了扩展，引入了元组角色标注。 多元组标注工具的基本功能和LAnn一样，但略有差别，本文主要针对这些差别进行介绍。

元组角色标注的引入

在三元组标注的情况中，元组的角色默认为了”头实体-关系-尾实体“，其中头实体和尾实体是我们选定的，关系则是在预定义中的关系选择的。但是在实际情况中，有些事实（知识）是三元组无法表征的，例如”吴京在战狼电影中扮演冷锋的角色“，对于”吴京（头实体），扮演（关系），战狼（在作品），冷锋（尾实体）“这样的事实，元组中的每个元素都是必要的。仍然使用三元组”吴京（头实体），扮演（关系），冷锋（尾实体）“是不准确的，显然吴京扮演过很多的角色。 更进一步的，在事件抽取任务中，有更多的实体参与事件，并且在事件中具有不同的角色，三元组更是无法表征。因此有必要将三元组进行扩展，使用更广泛的多元组，未来甚至是时序多元组。 多元组的引入便无法默认为”头实体-关系-尾实体“的元组角色了，需要指定头实体、尾实体各是哪个元素以及其它元素的元组角色。因此需要引入元组角色的标注。

新的标注过程

1. 除了需要预定义好实体类型和关系类型，还需要定义元组角色类型（role_type.js）。
2. 实体标注的过程没有改变。
3. 在标注完实体后，开始标注关系（事件），依然是点击已标注的实体块，所不同的是点击后会立即跳出元组角色选择框。
4. 确定好关系（事件）中的每个元素和元素角色后，最终按下回车键，开始选择关系（事件类型），完成一个关系（事件）的标注。 在事件标注情况下，可定义一个特殊实体类型：触发词实体，元组角色可以使用头实体来代替触发词，其余便根据所定义的schema提前定义好实体类型、事件类型（对应于关系类型）和论元角色（对应于元组角色）。 为了便捷，默认第一个选择的实体为头实体元组角色，不跳出元组角色选择框。

多元组的显示

在多元组显示功能设计上，为了避免过多的程序改动和避免过多的连线导致显示混乱，在原有基础上进行了实现： 选中特定的多元组后，多元组中的所有元素用红框突出显示，带箭头的连线只由头实体指向尾实体，关系类型显示为连线标签。

标注数据存储格式

即然增加了每个元素的元组角色信息，如何尽可能少的改动现有格式并存储这些信息需要考量。经过初步的考虑，确定的存储格式为：元组角色信息添加在三元组域中，并且每个元素的元组角色在索引值之后，用“#”隔开，关系类型（事件类型）是多元组的最后一个元素。例如：

0#角色_头实体>4#角色_在作品>8#角色_尾实体>扮演

在后期转换为数据集时，只需再对多元组数据每个元素按照“#”号分隔，得到元素和相应的元组角色即可。