写在前面：实体-关系联合抽取这个方向刚刚入门就要换方向了，很不舍，因此将自己这段时间看的一些入门资料分享出来，供大家学习，希望能起到一些抛砖引玉的作用。如有一丝帮助到您，请点赞支持，谢谢！！！
一、知识图谱概述
- http://ex.cssn.cn/glx_tsqbx/201710/t20171030_3685466_2.shtml
- https://www.jiqizhixin.com/articles/2018-06-20-4
- https://www.tinymind.cn/articles/3712
- https://mp.weixin.qq.com/s/sLgRR5tLYuYMch1EGv55Bw
- https://mp.weixin.qq.com/s/SZzJW-tOg-ZJE3jTmYHY7A
- https://blog.csdn.net/pelhans/article/details/80019974
二、知识图谱工具一（中文语义开放平台）
- http://kw.fudan.edu.cn/
- https://nlp.qq.com/
- http://www.ltp-cloud.com/
- https://bosonnlp.com/
三、知识图谱工具二（标注工具）
1、命名实体识别/关系抽取标注工具
- ① DeepKE：基于深度学习的开源中文关系抽取工具
地址：http://www.openkg.cn/tool/186bb65b-195d-4a58-90ec-3e6efd06f864 - ② NCRF++：序列标注模型
- ③ Deepdive：斯坦福大学开源知识抽取工具包（三元组抽取）
- ④ HanLP：面向生产环境的自然语言处理工具包
- 总结：现有的命名实体识别/关系抽取模型大多只提供最基本的实体/关系类型，比如：人名、地名、机构名等，因此，对于更细粒度的实体区分起不到作用。如果自己需要按照自己的类别对实体进行分类，最好进行手动标记。
2、手动标注工具
- ① INCEpTION
地址：https://inception-project.github.io/
缺点：命名实体识别的类型已给定且无法修改，该标注工具针对的目标是通用领域的知识图谱标注。 - ② Poplar
是一个企业的内部标注程序，支持性不要，容易崩溃，且要求待标注的数据是json数据。 - ③ CogComp-NLPy
缺点：只能进行实体标注，无法标注关系。 - ④ NeuroNER
可用来标注实体，文章发表于EMNLP，相比于已有的NER系统，能提供以下优势：
1、利用神经网络（深度学习）
2、让用户能够创造新的语料库或修改已有的语料库
3、它是跨平台的、开源的、免费直接使用的
地址：http://neuroner.com/
- ⑤ BRAT
该工具是为了实体识别和关系抽取设计的，但可用于各种NLP任务。
四、知识图谱竞赛
- http://lic2019.ccf.org.cn/kg
五、命名实体识别
- https://mp.weixin.qq.com/s/3fY8XS-6vNUvjr-_qAByVA
- https://mp.weixin.qq.com/s/viHXIpNjg7J2FpSs6qkwtQ
- https://www.cnblogs.com/robert-dlut/p/6847401.html
- http://www.shuang0420.com/2018/09/15/%E7%9F%A5%E8%AF%86%E6%8A%BD%E5%8F%96-%E5%AE%9E%E4%BD%93%E5%8F%8A%E5%85%B3%E7%B3%BB%E6%8A%BD%E5%8F%96/
- https://www.tinymind.cn/articles/3936
六、关系抽取
- https://www.moshangxingzou.com/index.php/category/%e8%ae%a1%e7%ae%97%e6%9c%ba%e6%8a%80%e6%9c%af/%e8%87%aa%e7%84%b6%e8%af%ad%e8%a8%80/%e5%85%b3%e7%b3%bb%e6%8a%bd%e5%8f%96/
- https://blog.csdn.net/u010960155/article/details/97620015
七、实体-关系联合抽取
- https://blog.csdn.net/qq_32782771/article/details/89404573
- https://blog.csdn.net/qq_32782771/article/details/89404573
- https://www.cnblogs.com/robert-dlut/p/7710735.html
- https://www.cnblogs.com/theodoric008/p/7874373.html
八、brat文本标注工具
- http://brat.nlplab.org/features.html
- https://blog.csdn.net/lidichengfo0412/article/details/99574674
- https://www.jianshu.com/p/5043a2128a5f
- http://www.sykv.cn/m/view.php?aid=18051
- http://www.voidcn.com/article/p-yyophaay-v.html
- https://www.cnblogs.com/anai/p/11474460.html
九、一些博客/Github推荐
（仅适合入门，深度理解请阅读顶会最新文章及其Reference）
- https://www.cnblogs.com/Determined22/
- https://liuhuanyong.github.io/
十、图数据库（Neo4j）
- https://neo4j.com/
- https://www.w3cschool.cn/neo4j/
