王 宁，刘 玮，兰 剑

(武汉工程大学 计算机科学与工程系 湖北 武汉 430205)

0 引言

谷歌提出的知识图谱概念作为语义网的升华，是结构化的语义知识库，以符号形式描述物理世界中的概念实体及其相互关系，是从“关系”的角度来分析问题并为搜索提供了新思路。所以关系抽取是知识图谱构建和补全的关键一步。通常实体关系抽取使用最多的是通用实体关系抽取和领域实体关系抽取[1-2]。完全自动化的通用实体关系抽取存在很多错误，难以构建出准确的法律知识图谱。如盛美伦提出一种句子卷曲法来抽取可接受解的字串[3]。这种非监督的外部方法需要大量的空间和时间开销，且不能保证一定能找到可接受解的字串。而领域实体关系的抽取是目前人们研究的重点和难点，通常采用的是基于特征法和规则法。如周琦等设计了一种语义方法GeoRSG来表现地理试题之间的位置关系，然后用规则法实现地理位置关系在文本中的语言表达方式[4]。国内对法律本体的研究较少，关于法律领域知识图谱的构建目前只有陈淑燕提出的一个简单法律知识框架[5]：使用法规知识库的方法来分析案件。这种方法的缺点是随着案例库的增大，效率明显下降，并且不能提供明确的语义信息，适用性不强。

知识图谱的补全就是向一个已有的知识图谱中增加新的三元组来不断完善和丰富知识图谱的内容。用于补全知识图谱的信息有：从一个知识图谱已有的三元组来推理新的三元组、从文本中抽取新的实体和三元组。……