基于多模板模糊竞争的涉案财物关系抽取方法

李攀锋， 林 锋， 蒋宗神

(四川大学计算机学院， 成都 610065)

1 引 言

关系抽取是知识工程领域的重要任务之一，也是知识图谱构建的核心步骤.它的目的在于从无结构的自然语言文本中抽取出结构化的知识，得到文本内含的语义关系，进而用于知识库的构建、智能问答、推荐系统等.

目前常见的关系抽取方法主要分为三种：(1) 基于模板匹配的方法[1]；(2) 基于监督学习的方法[2]；(3) 基于半监督或无监督的方法.

随着机器学习和深度学习的发展，基于监督学习和半监督学习的关系抽取方法应用十分广泛[3].Zeng等[4]在2014年首次提出采用卷积神经网络来提取句子的语义特征，进而实现关系抽取；Zhang等[5]在2015年采用了双向长短期记忆网络并借助依存分析和命名实体识别来解决关系抽取问题；谌予恒等[6]在2020年采用了结合注意力机制与残差网络进行远程监督关系抽取.这些方法大多用于处理如人物关系之类的关系抽取问题，因为在这种场景下，关系类别明确、训练语料丰富[7].但本文提出的关系抽取方法是为了解决涉案财物知识库构建的特定问题，即是立足于抽取“业务单位实体”与“财物实体”之间存在的“处置方式”关系.受限于涉案财物知识库场景训练语料少且单一以及识别准确率要求高的特点，机器学习的关系抽取方法在涉案财物领域并不适用，而采用基于模板匹配的方法更为合理.

本文提出的基于多模板模糊竞争的涉案财物关系抽取方法，根据涉……