面向新闻领域的中文实体关系抽取*

王 博，王 侃，王成刚，刘 然，刘威鹏，黄慧荣

(1.北京信息技术研究所，北京 100093；2.中国西南电子技术研究所，成都 610036；3.西北工业大学 网络空间安全学院，西安 710129)

0 引 言

由于互联网普及度提高和互联网媒体平台的不断发展，新闻事件可以快速地通过各种媒体平台被网络用户获取。除了用户量大、传播速度快的特点外，互联网新闻文本在信息抽取和文本数据结构化方面还面临信息内容的海量性、内容多样性和新鲜词汇层出不穷的挑战。

随着互联网新闻平台和自媒体的发展，人们从海量的互联网新闻数据中获取有用信息和针对互联网舆情管控的难度也越来越大，在此背景下仅仅对关键词搜索已经不能满足人们的很多需求；为了更方便地从互联网信息源中挖掘出人们需要的信息，需要把无结构的文本数据转化为结构化数据[1]。在上述实际要求背景下，人们针对互联网新闻数据进行实体关系抽取，计算机以关系三元组(实体1、关系、实体2)的方式对文本形式信息数据的存储、查询以及管理。实体关系抽取目的就是识别文本中的实体与实体之间的语义关系，并将关系抽取结果描述为三元组。实体定义为文本中特定的事实信息，有三种形式：命名性指称、名词性指称以及代词性指称[2-3]。实体关系抽取也可以描述为对给定的文本数据中存在的信息载体的关系抽取。

实体关系抽取作为信息抽取任务之一，是信息抽取的研究热点。实体关系抽取的研究范围从最初的特定领域的语料库，到目前对海量的互联网文本；……