3．把文本本身提取到的实体进一步完善

第一步就是实体的识别，在我们实际的处理过程中有一些主要尝试的思路，首先是最基本的字符串匹配，这件事做好的前提是我们原先知道足够多的人名、地名等实体名字，但是我们是没有办法拿到非常全的各种各样的库的数据。那么我们就要要想办法，找规律。那么我们就要要想办法，找规律。

第二步就是用所谓的规则，可能大家都知道正则表达式。

上面两种思路都不好使的前提下，必须用自然语言处理的技术。市面上很多的工具，包括公布出来的斯坦福的工具，北京大学的工具，但这是这些工具中的语言模型很多都是从新闻媒体语料训练二来的。新闻媒体的提及的语言文字，范围广，涉猎多，所以处理的广度是有的，但是当应用到一个特定的领域之后，这个精度是远远不够的（尤其当这里的很多用语独居特色，和新闻语料有明显区分度）。作为一个业务人员使用这些已有的工具需要找到你所需要知识的时候是不够的。

这里提到的就是常见的市面上的工具，主要存在的问题，我在前面说得比较多了，解决办法就是我们希望用到更多更细的方法：为我们特定领域的文本重新训练的分词模型，重新训练实习模型。根据前两步已经做出来的模型，通过规则引擎以及半监督的方法再来实现关系的提取。