陈泽东 赵旭剑 张 晖 杨春明 李 波

（1.西南科技大学计算机科学与技术学院 四川绵阳 621010；2.西南科技大学理学院 四川绵阳 621010）

互联网包含着海量的文本信息，从中大规模地抽取知识是一项艰巨的挑战。开放式信息抽取系统（OpenIE）以各种技术手段从互联网中开放式地抽取实体E和实体间的关系R，并以实体和关系构成的三元组（E1，R，E2）作为知识的表达，为构建知识库和形成知识图谱提供研究基础。目前OpenIE技术已经广泛应用于问答系统、信息检索、知识图谱等研究领域，成熟的系统包括NELL［1］，TextRunner［2］，Yago2［3］等。图1是开放式信息抽取系统的基本框架，利用知识抽取方法从Web等自由文本中抽取三元组关系作为候选知识，再经过进一步整合将候选知识放入知识库中。

图1 开放式信息抽取系统的知识抽取框架Fig.1 Framework of open information extraction system

与特定领域的信息抽取方法不同的是，OpenIE系统通常以粗略的种子迭代学习为主要抽取方法，抽取结果往往存在大量噪声，主要表现为抽取结果中的实体关系违反实体间的语义约束，导致知识表达错误。因此，针对OpenIE系统的抽取结果进行推理验证，能有效解决知识集合中的噪声，提高知识表达的语义规范性和正确性，对于知识库构建和知识图谱生成具有重要的研究意义和应用价值。

针对上述问题，本文首先使用一阶逻辑语言对知识抽取结果进行转化和推理，并且在推理过程中引入本体规则进行约束，并在此基础上建立推理规则的自动学习机制，解除传统规则推理对于实体解析规则的依赖，进而实现对知识的自动推理和验证。……