小规模数据量下的关系抽取和实体抽取

写在前面

• 最近老师派给了我一个任务，让我在短时间内迅速建立起一个电力领域知识图谱，结点与结点之间的关系只有“包含”。
• 我例行使用平台的一系列算法，即使我把词库换成了我们自己手工标的词库，但是抽到的结果仍然是真的不好~ 不好 ~不好（算法流程因为有一定的隐私性不能透露，大概来讲就是抽取只专注词义而不看语义）。且抽完之后用模板抽关系真的是…………原因其实是平台算法不太适合电力领域，而更适合于人力资源领域。所以我就自己搞了一套流程，效果可以说还不错。

原因分析

• 先分析领域词抽取不好的原因：相对于人力资源领域，电力领域的领域词更加多种多样，且情况也多种多样（比如有些句子里甚至“榔头”都算是一个领域词，比如有句子……由榔头、电磁板、电机组成），但是有的句子里“榔头”就不是一个领域词了。人力资源领域的词大多都偏向概念，形式较为固定，而电力领域词有好一部分都偏向于现实里的物体。这就决定光凭词义是没办法很好的领域词抽取的。
• 关系抽取不好的原因：像电力领域，比如有句子：“摆脱电流值与人体生理特征、与带电体接触方式以及电极形状等有关。”，现在领域词库里有“电流”、“电流值”、“摆脱电流值”，用模板匹配的时候就会把这些都给算成实体，抽关系的时候就会出来三个元组。可能有人会说用最长匹配不就行了？但实际上没那么简单，比如：“摆脱电流值……电流包含物理电流、化学电流……”正常抽出来的是（电流，包含，物理电流）（电流，包含&#