from：https://mp.weixin.qq.com/s/Q-WMYSTjGGxIMGNq-wfpRg

 這一段時間一直在做知識圖譜，卡在實體關係抽取這裡幾個月了，在github上面看到有人使用卷積神經網路訓練模型進行抽取，自己也嘗試了一下，但是一直苦於沒有像樣資料去訓練，而標註訓練集又太費時間了，我不太願意幹體力活。所以採用了一個低檔次的方法，基於依存句法分析的實體關係抽取，記錄一下心得，方便日後忘記可以再找回來。

    本方法參考了github上面的專案和一篇論文，在文章末尾給出，使用的分詞工具是HanLP，感謝相關作者。

    論文給出了8種中文關係的表達方式，並且最後給出了一個採用正則表示式語法指出表達，核心就是謂語動詞表示關係，即關係表述中一定得有動詞。

狀語*動詞+補語?賓語?

    我不太贊同把賓語也當作關係表述的一部分，論文指出“p4生於山西”應該抽出（p4，山西，生於山西），我認為關係不應該表述為“生於山西”，所以我把關係表述改為下面的樣子了。

狀語*動詞+補語?

    這篇文章只是作為一個方法介紹，我自己先看了一遍，能夠保證我下次看到這篇文章，可以立馬回憶起自己的實現方法，希望你看了也能瞭解方法，看不懂的話，我表示抱歉，浪費您的時間了，我已經儘可能寫到簡單了。

    先來看幾個簡單句子吧：

主謂賓關係：劉小緒 生於 四川
// 這個三元組很明顯：（劉小緒，生於，四川）

動補結構：劉小緒 洗 乾淨 了 衣服
// 如果套用主謂賓關係就是：（劉小緒，洗，衣服）
// 但是這裡描述的是一個狀態，是劉小緒把衣服洗乾淨了
// “乾淨”是動詞“洗”的補語，所以還應該提取出一個如下三元組
// （劉小緒，洗乾淨了，衣服）

狀動結構：父親 非常 喜歡 跑步
// 這句和上面很像，主謂賓關係是：父親喜歡跑步
// “非常”用於修飾“喜歡”
// （父親，非常喜歡，跑步）

介賓關係：劉小緒 就職 於 學校
// 如果直接把這個三元組抽取為（劉小緒，就職，學校），很彆扭
// “於”和“學校”是介賓關係，它們的關係應該是：就職於
// （劉小緒，就職於，學校）

賓語前置：海洋 由 水 組成
// “海洋”是“組成”的前置賓語
// “由”是“組成”的狀語
// “水”和“由”是介賓關係
// 所以上面的句子沒有明確的主謂關係，需要我們判斷
// 抽出的三元組應該為：（水，組成，海洋）
 

    HanLP提供了兩種依存句法分析的器，預設採用的是基於神經網路的依存句法分析器。==依存句法分析就是將句子分析成一棵依存句法樹，描述各個詞語之間的依存關係，即指出詞語之間在句法上的搭配關係。==

    有了上面所說的依存句法樹，其實我們只需要進行各種判斷就可以了。先做出下面的一點說明，就拿第一個例子來說。

原文：劉小緒生於四川

# 這是分詞結果
[劉小緒/nr, 生於/v, 四川/ns]

#這是句法分析結果
劉小緒 --(主謂關係)--> 生於
生於 --(核心關係)--> ##核心##
四川 --(動賓關係)--> 生於

    為了方便理解，也為了方便程式的編寫，我把他們組織成了下面的形式，為每一個詞語都建一個依存句法字典。

劉小緒：{}
生於：{主謂關係=[劉小緒], 動賓關係=[四川]}
四川：{}

    然後只需要寫出類似於下面的程式段就可以抽出關係了。

// 主謂賓關係：劉小緒生於四川// dic是這個詞語的依存句法字典if (dic.containsKey("主謂關係") && dic.containsKey("動賓關係")){    // 當前的詞語，用上面的例子來說，relation=“生於”
    String relation = curWord.LEMMA;    // 用迴圈遍歷，是因為關係列表裡面不一定只有一個詞語
    for (CoNLLWord entity1:
            dic.get("主謂關係")) {        for (CoNLLWord entity2:
                dic.get("動賓關係")) {

            System.out.println(entity1.LEMMA + "," + relation + "," + entity2.LEMMA);
        }

    }
}

    對於分詞後的每個詞語都進行上面程式段的操作。“劉小緒”和“四川”，關係字典都為空。而對於“生於”，關係列表裡面既有主謂也有動賓，而自己本身就是動詞，主謂賓就出來了。直接從主謂關係中拿出來詞語作為entity1，再拿上自己作為關係，最後拿出動賓關係中的詞語作為entity2。很明確的三元組（劉小緒，生於，四川）就出來了。

    最後給出一個程式執行結果圖吧。

    我個人覺得效果還行，在簡單句子上面表現的差強人意，在長句子上面表現的差勁。

參考：

HanLP自然語言處理

基於依存分析的開放式中文實體關係抽取方法，李明耀；

fact_triple_extraction：https://github.com/twjiang/fact_triple_extraction