摘要

开放信息抽取（OpenIE）有助于从大型语料库中进行领域无关的关系事实发现。该技术非常适合许多开放世界的自然语言理解场景，例如自动知识库构建、开放域问答和显式推理。得益于深度学习技术的快速发展，已经提出了多种神经网络OpenIE架构，并取得了显著的性能提升。在本综述中，我们对当前最先进的神经网络OpenIE模型进行了广泛的概述，分析了它们的关键设计决策、优势和劣势。随后，我们讨论了现有解决方案的局限性和OpenIE问题本身存在的开放性问题。最后，我们列出了最近的趋势，这些趋势可能有助于扩展其应用范围和适用性，为未来的OpenIE研究指明了有前景的方向。据我们所知，这是第一篇针对这一特定主题的综述文章。