黄杨琛，贾焰，甘亮，徐菁，黄九鸣，赫中翮



基于远程监督的多因子人物关系抽取模型

黄杨琛1，贾焰1，甘亮1，徐菁1，黄九鸣1，赫中翮2

（1. 国防科技大学计算机学院，湖南 长沙 410073；2. 湖南星汉数智科技有限公司知识图谱研发部，湖南 长沙 410205）

针对远程监督的基本假设过强容易引入噪声数据的问题，提出了一种可以对远程监督自动生成的训练数据去噪的人物实体关系抽取模型。在训练数据生成阶段，通过多示例学习的思想和基于TF-IDF的关系指示词发现的方法对远程监督产生的数据进行去噪处理，使训练数据达到人工标注质量。在模型分类器中，提出采用词法特征和句法特征相结合的多因子特征作为关系特征向量用于分类器的学习。在大规模真实数据集上的实验结果表明，所提模型结果优于同类型的关系抽取方法。

关系抽取；人物关系；远程监督；机器学习；自然语言处理

1 引言

在互联网产生的爆炸式增长的电子文本信息中，大量人物实体以及他们之间的关系信息涵盖其中。面对如此多元异质的数据，人们必须采用信息抽取技术才能满足其从中快速获取有效信息的需求。关系抽取作为信息抽取的一项重要任务，第一次正式提出是在1998年的第七届消息理解大会（MUC, message understanding conference）上[1]，它是指从自然语言文本中发现和识别2个实体之间的语义关系的过程[2]。

实体关系抽取技术突破了传统的人工阅读、理解等方式来获得语义关系的限制，取而代之的是语义关系的自动查找和抽取[3]。……