基于深度学习的食品安全领域实体关系抽取研究

孙劭芃，汪颢懿*，左 敏，张青川

（北京工商大学 电商与物流学院 农产品质量安全追溯技术及应用国家工程实验室，北京 100048）

作为最基本的民生问题，食品安全牵动着亿万民众的神经，一经曝光，就能迅速引起社会各阶层的普遍关注，激发负面联想，甚至诱发非理性的线下集合行为，危及社会稳定。随着越来越多的食品安全报道在网络上传播，快速且准确的对突发报道中的关键信息进行抽取对于政府对食品安全领域的监管和预测都有着尤为重要的意义和价值。

随着信息时代的到来，互联网技术高速发展。作为自然语言处理[1]的重点课题之一，实体关系抽取[2]作为实现语义关系自动抽取和查询匹配的一种新兴技术，近年来一跃成为热门研究领域，受到越来越多科研人员的重视。在诸多的实体关系抽取方法中[3-6]，有监督的实体关系抽取方法[3]依然是目前最基本最常见的方法，其主要过程是在已标注过的训练数据集上训练出关系分类模型，从而在测试集上进行对应的实体关系抽取。本文也采用了有监督的深度学习网络模型对实体关系抽取进行研究。

实体关系抽取一直是经典而又富有挑战性的任务，在过去二十多年的研究发展下取得了很多阶段性的突破，同时也广泛应用在知识图谱[7]的构建、自动问答[8]、文本摘要[9-10]等诸多重要领域。随着以深度学习为基础的人工智能潮流席卷全球，深度学习下的实体关系抽取也同样得到了快速发展，它有效改善了传统标注工具的自身缺陷，取得了良好的效果。……