张龙辉，尹淑娟，任飞亮，苏剑林，明瑞成，白宇佳

(1. 东北大学 计算机科学与工程学院，辽宁 沈阳110819；2. 深圳追一科技有限公司，广东 深圳 518057)

0 引言

将非结构化或半结构化的自然语言文本转化成结构化内容是信息抽取的目的。关系三元组抽取作为信息抽取的子任务，其目的是从自然语言文本(常常以句子为输入单位)中抽取两个实体及实体之间的关系。该任务是构建大规模知识图谱的关键，被广泛运用在信息检索、问答系统等相关任务中[1]。

在关系三元组抽取任务中，关系事实大多以形如“(subject, predicate, object)”或“(head，relation，tail)”的三元组形式表示。其中，subject(或head)称为头实体，object(或tail)称为尾实体，predicate(或relation)表示头、尾实体之间的语义关系[2]。比如三元组“(孔乙己，作者，鲁迅)”可表示“孔乙己”和“鲁迅”之间存在“作者”关系这一事实。

当前关系三元组抽取研究方法主要分为两类： 管道(pipeline)抽取方法和联合抽取方法。早期的方法主要是管道抽取方法，即先对输入句子中的实体进行识别；之后，再为识别出的实体分配合适的关系类型。这类管道抽取方法存在以下两点不足。

(1)实体冗余： 由于先对抽取的所有实体进行两两配对，然后再进行关系分类，大量错误的候选实体对所带来的冗余信息，会提升错误率、增加计算复杂度。

(2)任务间的交互缺失： 忽略了实体识别和关系抽取这两个任务之间的内在联系和依赖关系，无法充分利用输入信息。

因此，研究者提出了联合抽取的方法，即同时从输入句子中抽取实体及实体间的对应关系。……