面向领域实体关系联合抽取的标注方法

吴赛赛，梁晓贺，谢能付，周爱莲，郝心宁

（中国农业科学院农业信息研究所区块链农业应用研究室，北京 100081）

0 引言

文本标注是基于深度学习的命名实体识别（Name Entity Recognition，NER）和关系抽取（Relation Extraction，RE）等自然语言处理（Natural Language Processing，NLP）领域的重要支撑，也是知识图谱构建等工作的重要下游任务。垂直领域的NER 和RE 任务由于其专业性、复杂性，主要以人工标注为主，存在效率低下、耗时耗力、错误传播、实体冗余等问题，因此，如何提高文本标注的效率和准确率成为领域自然语言处理研究的重点。

垂直领域文本是对特定领域知识或特定信息的具体描述和记录，通过对一些医疗、农业、公安等领域文本的观察分析，发现一般性共同特点：1）文本中一实体同时与多实体之间存在重叠关系。一条数据围绕一个特定实体（主实体）展开具体描述，比如一条医疗数据具体描述一种疾病的临床症状、鉴别诊断、药物治疗、手术治疗等信息，一个疾病实体同时与手术、药剂等实体存在关系；一条农业病虫害数据描述症状、病原、传播途径、防治方法等信息，一个病虫害实体同时与病原、农药等实体存在关系；一条公安数据描述一个罪犯的相貌特征、作案经过、可能去向等信息，一个罪犯同时与受害者、地点等实体存在关系。2）实体分布密度高，同一实体交叉生成多关系对，且存在关系的两个实体之间距离较长。言简意赅的领域文本中分布着高密度的实体，并且由于是对一个特定实体展开的具体描述，因此这一实体会同时与多个实体之间生成对应关系，且存在关系的两个实体不一定存在于同一个句子中。……