张 彤 ，宋明艳 ，王 俊 ，2，白 洋

(1.北京京航计算通讯研究所，北京100071；2.哈尔滨工业大学 经济与管理学院，黑龙江 哈尔滨150006)

0 引言

汽车、机械等工业制造行业的产品是涉及多个技术领域的高精度、高可靠性产品，具有结构复杂，生产周期长、生产状态多等特点[1]。 随着信息化时代的发展，在生产研制过程中产生的各类质量数据日趋庞大，但由于现阶段缺乏统一的数据管理，各类质量信息散落在业务系统中，以电子或纸质文档方式存在，这些离散存储的质量信息包含各类质量问题的原因、问题部件、采取措施等关键信息。 如何从这些离散存储的质量信息中抽取出有效信息，为工业制造提供数据支撑，帮助相关人员有效监督产品生产、快速解决质量问题，构成工业制造领域质量管理的迫切需求。 本文从质量文本出发，利用关系抽取技术挖掘文本中实体间存在的语义关系，为后续构建质量知识图谱、质量问答系统奠定坚实基础。

质量文本通常为非结构化数据，信息抽取技术可以从非结构化数据中挖掘出结构化信息，关系抽取作为该技术的关键环节，一直备受关注[2]。 近年来，学者们开始采用远程监督关系抽取[3]来解决关系抽取方法标注成本高的问题，包括使用基于概率图的方法[4]、基于矩阵补全的方法[5]、基于嵌入的方法[6]。 远程监督方法可以自动地从海量无标注的数据中抽取出大量的实体对，具有较强的可移植性。文献[7]将分段卷积神经网络(Piecewise Convolutional Neural Network，PCNN)应用到关系抽取领域并在对应的数据集中取得了很好的效果。……