面向中文基础教育知识图谱的关系抽取模型

单娅辉，田迎，张龑

(1.湖北大学计算机与信息工程学院，湖北 武汉 430062;2.湖北省教育信息化工程技术研究中心，湖北 武汉 430062;3.绩效评价信息管理研究中心(湖北大学)，湖北 武汉 430062)

0 引言

随着我国信息技术的发展，通过新兴技术来直接或间接影响传统教育教学方式，已成为教育信息化的新热点.2012年，Google提出“Google Knowledge Graph”后，知识图谱在各个领域受到了广泛的关注，其中教育领域知识图谱更是在近年来成为研究热点.在构建中文教育领域知识图谱的过程中，面对急剧增长的数据，中文实体关系抽取成为其中的难点之一.

传统的关系抽取方法主要包括两类，一类是基于规则匹配的方法，另一类是基于深度学习的方法.其中基于规则匹配的方法是定义了一种表达实体关系的规则模版，然后在数据中找到与该模版相匹配的实体及关系.该方式对数据要求较高且灵活性很差[1]，已逐渐被深度学习的方法所取代.基于深度学习的方法目前流行的包括有监督的方法和远程监督的方法[2].其中，有监督的关系抽取方法主要是利用深度学习中的神经网络模型能够自动学习文本的特征，改善了经典方法中需要人工特征选择的缺点[3].远程监督的关系抽取方法是将大量无标注的数据自动对准已标注的知识库来自动标注数据来提高关系抽取的效率.该方法的前提是，如果两个实体间存在已定义的某种关系，那么所有包含这两个实体的文本都存在该关系[4].Mintz等……