我想以(SUBJECT,OBJECT,ACTION)关系的形式从非结构化文本中提取关系，
例如，
“男孩正坐在桌子上吃鸡”
会给我，
（男孩，鸡，吃）
（男孩，桌子，位置）
等等。
虽然python程序+NLTK可以处理像上面这样一个简单的句子。
我想知道你们中是否有人使用过最好是开源的工具或库来从更广泛的领域（例如大量文本文档或网络）中提取关系。
【问题讨论】：
标签： python nlp data-mining nltk
如果您的句子没有比您展示的示例复杂得多（例如，关于照应），Stanford parser 将给出良好的结果，基于您将很容易能够做到的probabilistic context-free grammar,转换成你想要的格式。有一个 demo available online. 对于你的例子，它会给出类似的东西
nsubj（坐着，男孩）
prep_on(坐、桌)
等等
如果您的句子确实变得更复杂，您可能有兴趣尝试 Boxer,，它基于概率 combinatory categorial grammars. 从 C&C 解析构建 discourse representation structures 那些结构可能更难以适应您想要的格式，但是会给你更多的灵活性。同样，demo available online. 对于您的示例，它看起来像
坐(x)
男孩（y）
表格(z)
代理(x,y)
在(x,z)
等等
Stanford 解析器是用 Java 编写的，在 GPL 下可用。 C&C 用 C++ 编写，Boxer 用 SWI Prolog 编写。这两个不是在真正的免费许可下发布的，但您可以获取源代码、修改它，并将其用于任何非商业项目。
在您的示例中，两者都不会为您描述“男孩”和“桌子”之间的关系——您将需要更强大的语义推理工具，我不确定是否存在这样的东西。
编辑
【讨论】：