最近在尝试用Hanlp做一个面向历史文献的三元组自动化抽取。目前思路是这样的，将任务分为实体抽取和关系分类两个步骤。
首先在文本数据清洗方面以自然段作为切割输入，通过实体消歧接口进行代词的替换。
随后用Hanlp的ner进行命名实体识别，主要用MSRA规范（对人物及机构等识别效果较好），OntoNotes规范（对粗细粒的时间和事件识别较佳）。
在关系分类方面，目前用的语义角色标注来确定同个意群中的主语和谓语，再用ner的结果进行候选主语宾语的确定，最后再通过制定的语法规范来抽取谓语，如：
主谓宾
定语后置，动宾关系
含有介宾关系的主谓动补关系
抽取后再进行相关关系的分类。
但遇到一个问题是基于语义角色识别出的谓语效果一般，且基于语义角色识别出的主语和宾语规范率也不高（和ner一致率低），导致召回率过低。不知大佬们是否有建议方法可以解决。（有考虑在依存句法中来抽取但还没实践）
另也有想尝试直接用深度学习的方法，标注数据后直接进行三元组的抽取。不知道Hanlp平台是否支持这样的训练。因为对Hanlp的训练平台还不是很熟悉，所以想请教下~