文献类型：期刊文章

作　　者：李冬梅[1,2] 张扬[1,2] 李东远[1,2] 林丹琼[1,2]

Li Dongmei;Zhang Yang;Li Dongyuan;Lin Danqiong(School of Information Science and Technology,Beijing Forestry University,Beijing 100083)

机构地区：[1]北京林业大学信息学院,北京100083 [2]国家林业草原林业智能信息处理工程技术研究中心,北京100083

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61772078);北京市重点研发计划项目(D171100001817003)。

年　　份：2020

卷　　号：57

期　　号：7

起止页码：1424-1448

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在自然语言处理领域,信息抽取一直以来受到人们的关注。信息抽取主要包括3项子任务:实体抽取、关系抽取和事件抽取,而关系抽取是信息抽取领域的核心任务和重要环节.实体关系抽取的主要目标是从自然语言文本中识别并判定实体对之间存在的特定关系,这为智能检索、语义分析等提供了基础支持,有助于提高搜索效率,促进知识库的自动构建.综合阐述了实体关系抽取的发展历史,介绍了常用的中文和英文关系抽取工具和评价体系.主要从4个方面展开介绍了实体关系抽取方法,包括:早期的传统关系抽取方法、基于传统机器学习、基于深度学习和基于开放领域的关系抽取方法,总结了在不同历史阶段的主流研究方法以及相应的代表性成果,并对各种实体关系抽取技术进行对比分析.最后,对实体关系抽取的未来重点研究内容和发展趋势进行了总结和展望.

关 键 词：自然语言处理 实体关系抽取 机器学习  深度学习  开放领域  

分 类 号：TP18] TP391]