这是一个有趣的问题，也是我的最爱之一 :)
我曾经做过类似的事情，并采取了混合方法。所谓混合就是一些部分使用自然语言处理技术（NLP），而另一些则使用简单规则。在我特定的案例中，我基于组织实体（通过命名实体识别提取）生成了一个图表，然后使用了一个动词短语分类器（基于规则和正则表达式）。因此，实际上，在每个句子上运行NER，并得到了一些可靠的组织名称。然后在同一句子上运行句子块解析器并解析出动词短语。然后我使用了一个简单的关键字->概念正则表达式来对动词短语进行分类。我没有尝试使用每个句子中的位置来推断任何类型的图方向性，因此我只是将{EntityA，EntityB，VerbPhrases []，VerbCategories []}三元组写入索引中。显然，我必须确保我的组织实体不是嘈杂句子中动词短语的相同标记，并且我假设在句子中的共存足以为两个实体创建边缘。这只是我所做的具体示例，它有缺陷，但在实践中它实际上效果非常好，并使强大的搜索成为可能。我的方法没有考虑相邻句子的关联性（我使用的数据源通常具有冗长的句子），但我考虑过使用基于接近度的评分技术来分配实际关联的概率，以将附近句子中的实体结合起来，很可能还使用段落边界作为另一个启发式验证的帮助。
有许多“尝试”做这件事的方式，所有这些方式都会在某种程度上有所不足，边缘情况也将是丰富而有趣的，这是关于实用主义和您想要实现的内容。实际上，我预测共指消解将是您下一个问题（当句子A中的实体在随后的句子中被称为He或Her等等），然后您下一个问题将是跨文档实体消解（DocA中的Bob可能是DocB中的Bob，也可能不是）。此外，我极度怀疑任何东西都能产生三元组格式，您将使用NER从句子中获得的标记来创建它。
希望对您有所帮助
