知识抽取的关键技术是哪三个？

知识抽取的关键技术如下：

1、实体抽取：也就是命名实体识别，包括实体的检测（find）和分类（classify）。

2、关系抽取：通常我们说的三元组（triple）抽取，一个谓词（predicate）带2个形参（argument），如Founding-location(IBM，New York)。

3、事件抽取：相当于一种多元关系的抽取。

主要应用：

1、命名实体作为索引和超链接。

2、情感分析的准备步骤，在情感分析的文本中需要识别公司和产品，才能进一步为情感词归类。

3、关系抽取（Relation Extraction）的准备步骤。

4、QA系统，大多数答案都是命名实体。

般都会采用机器学习的算法，要求有训练数据和测试数据。处理训练数据得到一个model，使用它来处理测试数据，得出每个测试样例的结果。这里有几个细节需要注意：测试数据和训练数据尽量要是同一个主题，不要相差太远，不然会降低训练处的model的适用效果；训练数据中正例和负例的比例要尽可能平衡。

主要的处理过程为：文本预处理，文本分词和提取特征，训练model，应用至测试数据并调整参数以提高效果，效果评测。

基于规则的方法是指通过事先定义一系列规则，这种方法的优点是简单、易于理解，但是需要人工编写规则，难以应对复杂的情况。

1关键词提取

关键词提取是文字提取的一种基本技巧。通过对一段文字进行分析，找出其中最重要、最具代表性的词语，以便更好地理解文章的主旨和重点。关键词提取可以采用基于统计模型的算法，如TF-IDF算法，如LDA算法。

基于统计模型的方法是指通过对大量语料进行统计分析，这种方法的优点是可以自动学习规律，适应不同的情况，但是需要大量的训练数据和计算资源。

命名实体识别是指从一段文字中识别出人名、地名、组织机构名等具有特定意义的实体，以便更好地理解文章的内容。命名实体识别可以采用基于规则的算法，如正则表达式，如CRF算法。

基于机器学习的方法是指通过训练一个机器学习模型，这种方法的优点是可以自动学习规律，适应不同的情况，但是需要大量的训练数据和计算资源。