黄梅根，刘佳乐，刘 川

重庆邮电大学 计算机科学与技术学院，重庆400065

知识图谱[1]是近些年非常热门的一个研究方向，它在很多方面都取得了非常不错的应用效果，例如问答系统[2]、推荐系统[3]、Google的搜索等。随着近几年计算机网络的飞速发展，产生了海量的数据，知识图谱可以结构化地存储这些数据，查询的时候也可以更全面地了解相关知识，提升搜索的深度与广度。知识图谱通常是由许多相关知识、类似结构的三元组构成的关系图，三元组一般是由<实体-关系-实体>这种两个节点包含一个关系的结构。现在关于知识图谱构建较为普遍的方法是通过机器学习或深度学习的方法对文本进行处理，通过处理后得到实体与关系的三元组，在这个过程中会有许多问题，本文主要解决如下两个问题：

一是三元组抽取的多关系问题，且句子关系较多时往往会有其他抽取难题。如：“台湾省，是中华人民共和国省级行政区，省会台北，地处中国大陆东南海域，由中国第一大岛台湾岛和周围属岛以及澎湖列岛等岛屿组成，总面积约3.6万平方公里。”其中可以抽取出<中华人民共和国-省级行政区-台湾>，<台湾-省会-台北>，<台湾-位于-大陆东南海域>，<台湾-面积-3.6万平方公里>等多个三元组。这些三元组中都含有“台湾”的实体，会有实体重叠问题；<台湾-面积-3.6万平方公里>中两个实体相距较远，不易抽取；<中华人民共和国-省级行政区-台湾>实体间含有从属关系，不能抽取为<台湾-省级行政区-中华人民共和国>；若关系词集合中含有“位于”却没有“地处”那么可能不能抽取出<台湾-位于-大陆东南海域>，或者抽取为<台湾-地处-大陆东南海域>从而增加三元组的繁杂。面对这些问题使用传统方法抽取比较复杂，而使用BCMRE可以根据多标签分类快速找到句子中所有的关系这就解决了多关系问题；……