房冬丽，陈正雄，黄元稳，衡宇峰

（中国电子科技集团公司第三十研究所，四川 成都 610000）

0 引言

实体和关系概括了文本主要内容，能够直观地展现数据之间的联系，为智能问答、检索系统等下游任务提供基础数据。目前，除了论文等形式规范的文献提供了几个关键词外，大部分文献资料都没有提供能够反映其内容的、直观的数据结构。依靠人工阅读文本来抽取文档实体关系的传统方法在拥有多源、海量文档数据的今天越来越不能满足实际应用的需求。因此，如何高效、准确地抽取实体和关系是当前急需解决的一个问题。目前，抽取实体、关系的方法层出不穷，总结起来主要分为基于规则的方法和机器学习的方法两大类。

（1）基于规则[1]的方法。该方法需要构建一定数量的规则模板集合，由领域的相关语言学家建模、指定匹配模式。它在字符、单词特征分析、词法分析以及句法依存分析等语言学知识的基础上，获取高质量的语法模式匹配模板，挖掘文本中现存的关系模式。这种手工编制规则的方法在早期能有效地应用到专业领域，但由于语言规则的复杂多样性，需要消耗大量的人力来编写规则。

（2）机器学习[2-9]的方法。该方法中的实体关系抽取方法大多是从语言特征来考虑。需要考虑如何提取词性标注、语法解析树等特征，并且需要预先构建一定的样本数据，再将样本输入到模型训练。然而，构建特征依赖于自然语言处理工具的技术水平，工具产生的误差会在实体关系抽取过程中传播和积累，对后续操作影响较大。……