从规则到大模型：知识图谱信息抽取实体NER与关系RE任务近10年演进发展详解

摘要：

本文回顾了关系抽取与实体抽取领域的经典与新兴模型，清晰地梳理了它们的出现时间与核心创新，并给出在 2025 年不同资源与场景下的最佳实践推荐。文章引用了 BiLSTM‑CRF、BiLSTM‑CNN‑CRF、SpanBERT、LUKE、KnowBERT、CasRel、REBEL、UIE，大模型抽取 等模型的原始论文与权威来源，帮助读者全面、系统地理解信息抽取技术的发展脉络与应用指南。

---

 

一、信息抽取技术的发展时间线

年份	代表模型	核心贡献
2016	BiLSTM‑CRF(Lample et al.)	将双向 LSTM 与 CRF 解码结合，实现端到端序列标注
2016	BiLSTM‑CNN‑CRF(Ma & Hovy)	引入字符级 CNN 捕捉形态特征，增强未登录词处理
2019	KnowBERT(Peters et al.)	将 WordNet/Wikipedia 知识注入 BERT，提升实体与关系抽取
2020	SpanBERT(Joshi et al.)	用 span‑masking 学习片段边界表示，提升 QA 与关系抽取 （ArXiv 版本）
2020	LUKE(Yamada et al.)	实体感知自注意力，词与实体同处编码，刷新多项 SOTA
2020	CasRel(Wei et al.)	级联二元标注解决三元组重叠（SEO/EPO）问题
2021