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。

电子病历中包含着医疗领域的丰富知识 ，对于医疗健康信息服务有着重要的意义。 其中的概念实体之间的关系是医疗知识 的重要 组成部分 。对于获取医疗领域中疾病、治疗 、检查之间关系有着重要 的意义 。 针对 于电子病历 中文本结构稀疏 的特 点 ，原有 的基 于词的特征表示效果 有限 ，所以从特征选择的角度出发 ，提出 了一种 基于深度学 习的特征学 习，将 有 限的上下文特征进 行进 一步抽 象表示 的方 法。 实验中使 用深度稀疏 自动编码 来对实体上下文 的向量表示进行 再表示 ，来得 到更抽象 和更有识别 意义 的特征 。 实验 表明 ，本文使用的深度学习进行 特征的再表示方法对 于识别 的召回率对 比于基线实验有 比较明显的提高

目前基于深度学习的人物关系抽取方法中大都使用单一的CNN或RNN模型，CNN擅长提取局部的最重要特征，但是不适合处理序列输入，而RNN虽然在任意长度的序列化任务中具有很大的优势，但是对局部的重要特征提取不够充分，针对以上问题，提出一种基于双向GRU和PCNN的人物关系抽取方法。将双向GRU模型与PCNN模型的优点结合起来，同时在模型中加入注意力机制。利用远程监督的方法构建训练语料进行实验验证，结果表明，该方法相较于单一的双向GRU模型、PCNN模型具有更好的效果。

远程监督关系抽取，53类关系数据，采用的都是一些主流方法，比如cnn+att,pcnn+att,ResNet+att等

2020语言与智能技术竞赛：关系抽取任务测试集。从自然语言文本中抽取实体及其之间关系的信息技术。训练集和验证集也已上传，请自行搜索下载！

2020语言与智能技术竞赛：关系抽取任务数据集 DuIE 2.0 验证集；训练集和测试集也会上传，提供下载！

Agricultural Knowledge Graph 由于工作原因，该项目已停止维护。因此项目代码仅供参考，项目中包含的数据可免费用于学术等非商业用途。 相关工作请引用paper: AgriKG: An Agricultural Knowledge Graph and Its Applications[C]. DASFAA (3) 2019: 533-537 项目介绍： 本项目是上海市《农业信息服务平台及农业大数据综合利用研究》子课题《上海农业农村大数据共享服务平台建设和应用》的研究成果。 该课题是由上海市农业委员会信息中心主持，以“致富农民、服务市民、提高行政管理效能”为目标，充分发挥大数据在农业农村发展中的重要功能和巨大潜力，重点建设上海市级农业农村大数据中心，促进信息资源的共建共享和创新应用。 华东师范大学数据科学与工程学院（以下简称华师大数据学院）作为课题主要参与单位以实现智慧

从生物医学文献中抽取药物间交互反应信息的实验性研究，赵江，兰曼，第一届药物间交互作用信息抽取竞赛（The first Challenge of Drug-Drug Interaction Extraction）主要任务是从包含药物名的句子（即这些句子已经有��

分享教程——动手学关系抽取-知识图谱基础篇，2020年11月录制，知识图谱技术是人工智能技术的重要组成部分，以结构化的方式描述客观世界中的概念、实体及其间的关系。知识图谱技术提供了一种更好的组织、管理和理解互联网海量信息的能力，将互联网的信息表达成更接近于人类认知世界的形式。关系抽取作为知识图谱构建与使用关键技术之一，一直受到众多研发人员追捧。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