王智广，文红英，鲁 强，申昊锴

(1.中国石油大学(北京) 计算机科学与技术系，北京 102249；2.中国石油大学(北京) 石油数据挖掘北京市重点实验室，北京 102249)

0 引 言

实体关系抽取是信息抽取的核心任务之一[1]，其目的就是从文本中抽取实体及实体间的语义关系，并将其表示为结构化的三元组(实体1，关系，实体2)，用于构建知识图谱或推荐等任务。与通用领域相比，地质领域的实体关系抽取的研究面临两大难点。第一，地质领域的实体和关系种类多样，难以对实体及关系类型进行准确的定义。例如，我们很难给出实体“若尔盖坳陷”、“千佛岩组”、“奥陶纪”和关系“沉积岩最大厚度”、“上覆岩层最早时期”的准确定义，这些实体和关系与通用领域的实体和关系差异较大，难以把通用领域的实体及关系类型定义迁移到地质领域。第二，地质领域缺乏类似于Wikipedia或Freebase的大规模知识库。而人工标注依靠领域专家，难以获得大量的高质量的标注数据(三元组及来源语句)。为了应对这一挑战，一些研究者提出了一种可以自动标注大规模标注数据的远监督方法[2,3]。但是，远监督方法可能会产生嘈杂的数据，这会阻碍基于此类嘈杂数据训练的模型的性能。尽管远监督方法在过滤噪声数据方面已取得重大进展，但远监督方法只能抽取知识库中已存在的关系。而地质领域实体关系抽取中另一个主要挑战是领域语料库中实体和关系种类的多样性，这使得我们很难准确地预定义实体和关系。……