冯 桫，刘井平，蒋海云，肖仰华

（复旦大学 计算机科学技术学院，上海 200433）

0 概述

近年来，随着自然语言处理需求的不断增长，知识图谱成为人们研究的焦点。目前，知识图谱已经被广泛地应用于各种智能化的推荐系统［1］、问答系统［2］以及语言生成［3］等诸多场景。为满足这些应用的数据需求，研究人员构建出大规模的知识图谱，如英文的DBpedia［4］、YAGO［5］以及中文的CN-DBpedia［6］等。在这些知识图谱中，数据通常以＜实体，属性（关系），属性值（尾实体）＞的三元组形式进行组织，例如“特朗普的国籍是美国”这一条知识，就可以被表示为＜特朗普，国籍，美国＞。由于本文所叙述的方法对属性值及尾实体的抽取均适用，后文将属性和关系统一称为属性，将属性值和尾实体统一称为属性值。

在构建知识图谱的过程中，获取图谱中实体相关的各属性的属性值是非常重要的步骤。传统的属性值抽取方法主要分为基于模式的方法、基于分类器的方法和基于序列标注模型的方法。基于模式的方法通常被用于从高质量的半结构化文本（如百科页面的信息表）中，利用句法模式［7］、语义模式［8］或正则表达式等人工或自动生成的模式直接进行抽取。由于这类半结构化文本的表达规律性强，通过基于模式的方法可以用较小代价得到大量高质量的三元组。此类方法已经被应用于大量的知识图谱构建实践中。基于分类器的方法首先需要利用命名实体识别（NER）工具，在文本中定位整个三元组的实体和属性值。……