该方法利用依存句法分析简称依存分析实现开放式中文实体关系抽取，首先对一个句子进行依存分析，再结合中文语法启发式规则和依存分析的结果抽取关系表述，并根据距离确定论元位置，最后进行三元组输出。

有三个文件，1.经济方面的实体关系数据集 2.几篇中文实体论文 3.SemEval2010_任务8_实体关系抽取数据集

CCSK2018-2019智能问答数据集.rar

知识是理解世界的一种正式方式，为下一代人工智能(AI)提供人类水平的认知和智能。知识的表现形式之一是实体之间的结构关系。关系抽取(RE)是信息抽取的一个子任务，是自动获取这些重要知识的有效方法，在自然语言处理(NLP)中起着至关重要的作用。

实验代码：relation_Extraction.zip

SemEval2010 任务8 实体关系抽取数据集 已经标注的语料 从其他地方整理过来，欢迎下载使用！

动手学关系抽取-知识图谱基础篇，本套课程基于Pytorch1.5版本来实现关系抽取任务，延续动手学系列课程风格，全程手敲代码，跟着杨博一行一行代码撸起来。 课程大纲： 第1章 课程简介 第2章 知识图谱概述 第3章 关系抽取概述 第4章 深度学习基础 第5章 基于CNN的关系抽取实战 第6章 基于BiLSTM的关系抽取实战

实体关系抽取

近年来，微博的Swift发展为实体关系提取（ERE）提供了新的载体。 然而，微博的特征也为ERE研究带来了挑战。 考虑到微博的特点，提出了一种无监督的开放关系抽取（ORE）方法，即MICRO-ORE。 首先，MICRO-ORE使用左右信息熵方法自动从微博文本中提取关键短语，并将其链接到外部知识源以规范微博文本并添加语义信息。 其次，根据汉语的句法特点，MICROORE制定了提取规则以提取关系元组。 我们用新浪微博文本对提出的方法进行了评估，结果表明该方法比传统的关系提取方法能够提取更多的信息，并且满足准确性要求。 据我们所知，MICRO-ORE是第一个中文微博文本的ORE方法。

开放式关系抽取作为关系抽取的重要分支，近年来正受到越来越多学者的关注，且逐渐成为关系抽取领域的热门研究方向。以下附上两篇极具价值的review paper，方便相关研究人员下载学习。