内容来自七月算法nlp课程。

这是要解决知识图谱中的其中一个问题：从非结构文本中抽取三元组。
要解决这个问题，总体思路有通过模板抽取、通过模型抽取。
三元组工业界一般都存储在neo4j中，学术界会采用RDF形式存储。

1结构化数据抽取

定义好schema。按照schema的格式，把关系型数据转为图数据。

2 非结构化数据抽取

2.1 通过模板抽取

通过模板抽取，这个一般是通过正则实现，课程上不做过多介绍。

2.2 通过模型抽取

模型的整体结构如图所示，输入是一段文本信息，经过encoder层进行编码，提取出头实体(subject)，再对头实体编码并复用文本编码，接下来用了个小trick，同时预测尾实体(object)与关系(predicate)，当然你也可以分开先预测尾实体，再预测关系。

对于实体预测可以使用BIO的方式，也可以采用半指针半标注的方式。

2.2.1 BIO方式

2.2.2 半指针半标注方式

模型代码：
https://github.com/terrifyzhao/spo_extract
预训练模型
https://huggingface.co/hfl/chinese-bert-wwm-ext/tree/main

数据
https://pan.baidu.com/s/1rNfJ88OD40r26RR0Lg6Geg?at=1621054407864