无监督信息抽取较多都是使用哈工大的ltp作为底层框架。那么基于ltp其实有了非常多的小伙伴进行了尝试，笔者私自将其归纳为：

事件抽取（三元组）
观点抽取

“语言云” 以哈工大社会计算与信息检索研究中心研发的 “语言技术平台（LTP）” 为基础，为用户提供高效精准的中文自然语言处理云服务。 pyltp 是 LTP 的 Python 封装，提供了分词，词性标注，命名实体识别，依存句法分析，语义角色标注的功能。

技术文档：http://pyltp.readthedocs.io/zh_CN/latest/api.html#id15
介绍文档：https://www.ltp-cloud.com/intro/#introduction
介绍文档：http://ltp.readthedocs.io/zh_CN/latest/appendix.html#id5

需要先载入他们训练好的模型，下载地址

初始化pyltp的时候一定要留意内存问题，初始化任何子模块（Postagger() /NamedEntityRecognizer()等等）都是需要占用内存，如果不及时释放会爆内存。之前比较好的尝试是由该小伙伴已经做的小项目：liuhuanyong/EventTriplesExtraction，是做三元组抽取的一个实验，该同学另外一个liuhuanyong/CausalityEventExtraction因果事件抽取的项目也很不错，辛苦写了一大堆规则，之后会对因果推理进行简单描述。

笔者也自己写了一个抽取模块，不过只是简单评论观点抽取模块。留心的小伙伴可以基于此继续做很多拓展：搭配用语挖掘，同义词挖掘，新词挖掘 code可见：mattzheng/LtpExtraction

文章目录

1 信息抽取 - 搭配抽取

code可见：mattzheng/LtpExtraction

1.1 逻辑整理

整个逻辑主要根据依存句法分析，笔者主要利用了以下的关系类型：

那么笔者理解 + 整理后得到四类抽取类型：

搭配用语查找（SVB,ATT,ADV）
并列词查找（COO）
核心观点抽取（HED+主谓宾逻辑）
实体名词搭配（词性n ）

其中笔者还加入了停词,可以对结果进行一些筛选。

1.2 code粗解读

这边细节会在github上公开，提一下code主要分的内容：ltp启动模块 / 依存句法解读 / 结果筛选。

ltp模块，一定要注意释放模型，不要反复 Postagger() / Segmentor() / NamedEntityRecognizer() /SementicRoleLabeller()，会持续Load进内存，然后boom…
依存句法模块，笔者主要是整理结果，将其整理为一个dataframe，便于后续结构化理解与抽取内容，可见：
结果筛选模块，根据上述的几个关系进行拼接。

案例句：艇仔粥料很足，香葱自己添加，很贴心。

表的解读，其中：

word列，就是这句话主要分词结果
relation列/pos列，代表该词的词性与关系
match_word列/match_word_n列，根据关系匹配到的词条
tuples_words列，就是两者贴一起

同时若觉得需要去掉一些无效词搭配，也可以额外添加无效词进来，还是比较弹性的。

1.3 结果展示

句子一:

句子二：

句子三：

2 三元组事件抽取 + 因果事件抽取

帮这位小伙伴打波广告~

2.1 三元组事件抽取

该模块主要利用了语义角色srl，先定位关键谓语，然后进行结构化解析，核心的语义角色为 A0-5 六种，A0 通常表示动作的施事，A1通常表示动作的影响等，A2-5 根据谓语动词不同会有不同的语义含义。其余的15个语义角色为附加语义角色，如LOC，表示地点，TMP，表示时间等（一些符号可见笔者另一篇博客：python︱六款中文分词模块尝试:jieba、THULAC、SnowNLP、pynlpir、CoreNLP、pyLTP）。

基于依存句法与语义角色标注的事件三元组抽取文本表示一直是个重要问题，如何以清晰，简介的方式对一个文本信息进行有效表示是个长远的任务.我尝试过使用关键词，实体之间的关联关系，并使用textgrapher的方式进行展示，但以词作为文本信息单元表示这种效果不是特别好，所以，本项目想尝试从事件三元组的方式出发，对文本进行表示．项目地址：https://github.com/liuhuanyong/EventTriplesExtraction

使用之后的效果：

这边笔者觉得在结果之上，进行一些清洗的话，效果还是可以的，特别是事件性较强的，有效实体比较多的句子效果会比较好。当然，把这个用在评论中简直…

2.2 因果事件抽取

主要包括以下几个步骤：

1、因果知识库的构建。因果知识库的构建包括因果连词库，结果词库、因果模式库等。
2、文本预处理。这个包括对文本进行噪声移除，非关键信息去除等。
3、因果事件抽取。这个包括基于因果模式库的因果对抽取。
4、事件表示。这是整个因果图谱构建的核心问题，因为事件图谱本质上是联通的，如何选择一种恰当（短语、短句、句子主干）等方式很重要。
5、事件融合。事件融合跟知识图谱中的实体对齐任务很像
6、事件存储。事件存储是最后步骤，基于业务需求，可以用相应的数据库进行存储，比如图数据库等。

以下是运行结果：

整理之后的结果：

ltp︱基于ltp的无监督信息抽取模块（事件抽取/评论观点抽取）