司文豪，贾雷萍，戚银城

(1.中国电建集团华中电力设计研究院有限公司，河南 郑州 450007; 2.华北电力大学电子与通信工程系，河北 保定 071003)

0 引 言

互联网上绝大部分原始数据都是以非结构化的自然语言形式存在，不能很好地被利用。信息抽取是把文本中包含的信息进行结构化处理，变成表格一样的组织形式，以方便进一步的分析、处理和应用[1-2]。人物关系抽取是信息抽取的重要研究内容。从文本数据中识别出人名命名实体及表达二者关系的描述子，最后以〈people, relation, people〉的三元组的形式存入数据库，可以进一步对人物网络行为进行分析或应用到知识问答、商业推荐、广告系统等领域。

基于机器学习的方法进行人物关系提取效果较好，但是需要人工选定特征。而卷积神经网络(Convolutional Neural Network, CNN)能从训练数据中自动学习并提取特征，可以解决人工特征少而不全的缺陷，在自然语言处理领域得到应用。文献[3]提出一种动态卷积神经网络(Dynamic Convolutional Neural Network, DCNN)结构，用其进行句子的语义建模。该模型使用动态池化方式，对一个线性序列做全局池化操作。该模型可以处理不同长度的输入句子，并在能够明确捕捉短期和长期关系的句子上引入特征图。文献[4]针对答案选择问题提出了采用双通道CNN来抽取输入问题和答案之间的相似性与不相似性，整合成最终的句子向量并计算相似性。文献[5]提出对单层CNN进行敏感性分析，以探索模型各个组成部分对模型性能的影响，主要用于区分重要和相对不重要的句子分类设计。……