Kokios yra spąstai kuriant KG iš nestruktūruoto teksto?

Knygų žinių grafiko (KG) kūrimas iš nestruktūruoto teksto susiduria su šiais pagrindiniais iššūkiais:

• Entitetų ir ryšių išgavimas: Tekstas dažnai turi dviprasmiškus arba kontekstui priklausomus terminus, todėl sudėtinga teisingai nustatyti entitetus ir jų tarpusavio ryšius.
• Ko-referencijų sprendimas: Reikia nustatyti, kad skirtingos nuorodos (pvz., "jis", "direktorius") nurodo tą patį objektą.
• Sinonimų ir variacijų valdymas: Skirtingos žodžių formos gali reikšti tą patį konceptą, todėl reikalinga normalizacija ir sujungimas.
• Triukšmas ir klaidos tekste: Rašybos klaidos, gramatinės klaidos ir neformalūs stiliai apsunkina analizę.
• Struktūruotų modelių trūkumas: Reikia taikyti pažangius NLP metodus, pvz., neuroninius tinklų modelius, informacijos išgavimui.
• Mastelis: Didelių tekstų apdorojimas reikalauja optimizacijos ir paskirstytų skaičiavimų.

Pavyzdys: norint išgauti tripletus (entitetas — ryšys — entitetas) iš sakinio "Elonas Muskas įkūrė SpaceX", reikia teisingai identifikuoti "Elonas Muskas" ir "SpaceX" kaip entitetus ir nustatyti ryšį "įkūrė" tarp jų.