KBP2016 是由 NIST（National Institute of Standards and Technology，美国国家标准与技术研究院）指导、美国国防部协办的赛事，主要任务为从自然书写的非结构化文本中抽取实体，以及实体之间的关系。

美国当地时间 2016 年 11 月 15 日，NIST 揭晓 KBP2016 EDL 大赛结果。其中，科大讯飞包揽了本届 EDL 比赛的冠亚军。

机器之心第一时间采访了科大讯飞研究院研究员刘丹，从 KBP2016 比赛情况、KBP 任务难点、以及讯飞的 NLP 方向进展展开话题。以下为采访实录。

机器之心：能请您介绍一下 KBP 这个任务的情况吗？

刘丹：本次我们参加的是 KBP 国际公开评测任务，比赛由 NIST 资助，从 2009 年起举办至今。

KBP（Knowledge base population）任务的主要目标是知识库扩展和填充，研究的主要内容是传统的结构化知识库如 Freebase，目前它的构建绝大多数都要依靠人的编辑工作。知识库中描述的信息是物理世界的命名实体和实体之间关系的抽取，如「克林顿和希拉里之间是夫妻关系」、「克林顿毕业于耶鲁法学院」这样一个个实体的关系。但人工编辑有两个问题，一是工作量较大，再就是可能出现错误和时效性的问题。

KBP 任务框架，资料来自科大讯飞

很久以来大家都在思考，人可以通过阅读新闻和书本这样的文本语料获得相关知识，机器可不可以？KBP 公开任务的研究目标，是让机器可以自动从自然书写的非结构化文本中抽取实体，以及实体之间的关系。我们今年参加的 EDL（Entity Discovery and Linking）命名实体的发现和连接任务所做的事情，是从自然语言的文本中抽取命名实体，标注它们的类型及实体与已有知识库之间的对应关系。从 2015 年开始，这个任务采用了中文、英文、西班牙文三个语种，需要找到三个语种的文本语料中的实体，并连接在一起。中文的「克林顿」要与英文的「Clinton」、西班牙文的「Clinton」连接到 Freebase 的同一个实体上。

机器之心：参赛方都有哪些公司、学校或者企业？

刘丹：学校居多，也有一些公司的研究机构。今年的 KBP 比赛 EDL 任务中，参加的学校有卡耐基梅隆、UIUC、伦斯勒理工，还有很多其他的学校。以企业名义参加的有 IBM，国内的机构有国防科技大、北京邮电大学和浙江大学。

机器之心：讯飞在 KBP 任务的多个指标中获得了第一，这些指标指哪些？

刘丹：命名实体连接这个项目分为很多子项目，一个是将三个语种放在一同统计，需要将不同语言的相同实体连接在一起；一个是将三个语种各自统计的指标，统计指标包括命名实体发现的正确率和命名实体连接的正确率。最终我们在整个比赛任务中的绝大多数指标都是第一，其中三个语种总体的指标是最高的，与其他参赛系统相比有比较显著的优势。单独的三个语种指标中，命名实体发现的部分都是第一。连接这部分中文我们是最高的，英文和西班牙文是第二。

机器之心：命名实体发现和命名实体连接发现的难点在哪里？

刘丹：命名实体发现中部分是 NLP 传统的命名实体标注任务，但 KBP 任务同其有两个区别：

一个是传统命名实体标注不允许有嵌套关系，如提到「中国科学技术大学」时，「中国科学技术大学」就是一个命名实体；KBP 则需要在文本中抽取更多细节的关系，不仅要将「中国科学技术大学」的「中科大」标注出来，同时「中国」也要标注出来，命名实体有一定的嵌套关系。除此之外，名词性的实体如「中国科大」、「科大讯飞」、「机器之心」都是一个个独立的名字（专有名词），这样的名字更容易标注；名词性的普通名词短语如「中国人」、「美国人」、「中国的公司」，这样的名词性实体需要与一般的名词短语区分开。

另外 KBP 任务需要标注的是有意义的名词性实体，如「XX 作为一个中国人」，这里的「中国人」是有明确指代的，所以需要标注；泛指性的如「中国人可以发怒了」，这里的「中国人」是不允许标注的。

KPB 任务更符合人对于事物类别的区分判断，有的内容是无法从语言语法的角度区分的，这让命名实体发现具有了比较大的难度。