पाठ से संबंध निकालना
संबंध निष्कर्षण संरचित तथ्यों को असंरचित पाठ से बाहर निकालता है, यह पहचानता है कि दो संस्थाएं कैसे जुड़ती हैं (जैसे 'के लिए काम करती हैं' या 'में स्थित')।
सिंहावलोकन
It turns prose into machine-readable knowledge that powers search engines, databases, and knowledge graphs.
गहरा गोता
रिलेशन एक्सट्रैक्शन (आरई) एक वाक्य लेता है जैसे 'मैरी क्यूरी का जन्म वारसॉ में हुआ था' और एक संरचित ट्रिपल का निर्माण करता है: (मैरी क्यूरी, बोर्न_इन, वारसॉ)। यह आम तौर पर नामित इकाई पहचान पर आधारित होता है, जो पहले इकाइयों को ढूंढता है, फिर जोड़ियों के बीच संबंधों को वर्गीकृत करता है। क्लासिक दृष्टिकोण में हस्तलिखित पैटर्न ('एक्स, वाई के संस्थापक') या लेबल किए गए उदाहरणों पर प्रशिक्षित पर्यवेक्षित क्लासिफायर का उपयोग किया जाता है। एक बड़ी सफलता दूरस्थ पर्यवेक्षण थी, जो बड़े पैमाने पर प्रशिक्षण डेटा को स्वचालित रूप से उत्पन्न करने के लिए विकिडेटा जैसे मौजूदा ज्ञान आधारों को कच्चे पाठ के साथ संरेखित करती है। आधुनिक सिस्टम पूरे वाक्य के संदर्भ को पढ़ने और संबंधों की भविष्यवाणी करने के लिए बीईआरटी जैसे ट्रांसफार्मर मॉडल को ठीक करते हैं, अस्पष्टता और लंबी दूरी की निर्भरता को कठोर पैटर्न की तुलना में कहीं बेहतर तरीके से संभालते हैं। आरई बड़े ज्ञान ग्राफ़ को पॉप्युलेट करने के पीछे का इंजन है।
तकनीकी अंतर्दृष्टि
कई तंत्रिका आरई मॉडल दो उम्मीदवार संस्थाओं को विशेष टोकन (जैसे [ई1] और [ई2]) के साथ चिह्नित करते हैं ताकि ट्रांसफार्मर को पता चले कि किस जोड़ी पर ध्यान केंद्रित करना है, फिर प्रासंगिक एम्बेडिंग को संबंध प्रकारों के एक निश्चित सेट पर एक क्लासिफायरियर में फ़ीड करें। इसके बजाय 'ओपन' संबंध निष्कर्षण सीधे पाठ से संबंध वाक्यांश निकालता है, इसके लिए किसी पूर्वनिर्धारित स्कीमा की आवश्यकता नहीं होती है। एक सतत चुनौती 'कोई संबंध नहीं' वर्ग है, क्योंकि एक वाक्य में अधिकांश इकाई जोड़े असंबंधित हैं।
सामरिक प्रभाव
गति और पैमाना
भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
पहुंच और पहुंच
यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
स्पष्ट निर्णय
टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
पाठ से संबंध निष्कर्षण का भविष्य
बड़े भाषा मॉडल तेजी से संकेत के माध्यम से शून्य-शॉट या कुछ-शॉट संबंध निष्कर्षण करते हैं, जिससे लेबल किए गए डेटा और निश्चित स्कीमा की आवश्यकता कम हो जाती है। दस्तावेज़-स्तरीय आरई, जो संस्थाओं को कई वाक्यों और पैराग्राफों से जोड़ता है, एक सक्रिय सीमा है। पुनर्प्राप्ति-संवर्धित प्रणालियों के साथ सख्त एकीकरण की अपेक्षा करें जो मांग पर नए ज्ञान ग्राफ़ बनाते हैं, साथ ही संयुक्त मॉडल जो उच्च सटीकता और कम त्रुटि प्रसार के लिए एक ही पास में संस्थाओं और संबंधों को निकालते हैं।
वास्तविक विश्व कार्यान्वयन
लाखों शोध सारों का खनन करके बायोमेडिकल ज्ञान ग्राफ का निर्माण करना जो दवाओं को उन बीमारियों से जोड़ता है जिनका वे इलाज करते हैं।
वित्तीय समाचार लेखों से कार्यकारी नियुक्तियों और अधिग्रहणों को निकालकर कंपनी डेटाबेस को पॉप्युलेट करना।
खोज इंजनों को समृद्ध करना ताकि 'टेस्ला की स्थापना किसने की' जैसी क्वेरी निकाले गए (संस्थापक, कंपनी) संबंधों से लिया गया सीधा उत्तर देती है।
जीनोमिक्स और दवा की खोज में तेजी लाने के लिए वैज्ञानिक साहित्य में प्रोटीन-प्रोटीन इंटरैक्शन का पता लगाना।
जोखिम और रेलिंग
मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
कार्यान्वयन रोडमैप
रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Relation Extraction from Text quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
फ़ीचर एक्सट्रैक्शन के लिए विरल ऑटोएन्कोडर्स
अक्सर पूछे जाने वाले प्रश्नों
What is Relation Extraction from Text?
संबंध निष्कर्षण संरचित तथ्यों को असंरचित पाठ से बाहर निकालता है, यह पहचानता है कि दो संस्थाएं कैसे जुड़ती हैं (जैसे 'के लिए काम करती हैं' या 'में स्थित')। यह गद्य को मशीन-पठनीय ज्ञान में बदल देता है जो खोज इंजन, डेटाबेस और ज्ञान ग्राफ़ को शक्ति प्रदान करता है।
संबंध निष्कर्षण प्रणाली का विशिष्ट आउटपुट क्या है?
आरई (मैरी क्यूरी, बॉर्न_इन, वारसॉ) जैसे संरचित ट्रिपल का उत्पादन करता है जो यह दर्शाता है कि दो संस्थाएं कैसे जुड़ी हुई हैं।
कौन सा एनएलपी कार्य आमतौर पर संबंध निष्कर्षण से पहले चलता है?
संस्थाओं को पहले पाया जाना चाहिए ताकि सिस्टम को पता चले कि किसी रिश्ते के लिए किन जोड़ियों की जांच करनी है।
संबंध निष्कर्षण के लिए 'दूरस्थ पर्यवेक्षण' क्या करता है?
दूरस्थ पर्यवेक्षण मानता है कि यदि कोई ज्ञान आधार दो संस्थाओं के बीच संबंध सूचीबद्ध करता है, तो दोनों का उल्लेख करने वाले वाक्य उस संबंध को व्यक्त करते हैं, जिससे सस्ता प्रशिक्षण डेटा बनता है।
कई ट्रांसफार्मर-आधारित आरई मॉडल कैसे संकेत देते हैं कि किस इकाई जोड़ी को वर्गीकृत किया जाए?
[ई1] और [ई2] जैसे विशेष टोकन लक्ष्य इकाइयों को चिह्नित करते हैं ताकि मॉडल सही जोड़ी पर केंद्रित हो।
मानक आरई से 'खुले' संबंध निष्कर्षण में क्या अंतर है?
ओपन आरई किसी निश्चित स्कीमा से चुनने के बजाय संबंध अभिव्यक्ति को सीधे वाक्य से खींचता है।