1.一种基于管道式方案的政务三元组抽取方法，其特征在于，所述方法包括以下步骤：

1)获取某个问政平台在数据库中的社情民意描述文本，预先设定好需要标注的实体的schema和关系的schema；

2)根据上述的标注schema，在web端的标注平台上人工标注出描述文本中的三元组关系，并生成确定格式的标注文本作为训练数据和验证数据；

3)首先对文本数据进行命名实体识别，过程如下：

3.1)给定token化的文本X＝[x1,x2.......xn]，其中xt为在文本t位置的token，将X输入BERT模型后，得到文本的隐藏表示H＝[h1,h2......hn]，其表示的过程为：H＝BERT(X)

3.2)采用一个二进制分类器，为每个向量分配二进制标记(0/1)来分别检测对象是否为实体的起始位置，当该对象的概率超过某个阈值时，则将对象分配标签1，否则就分配标签0，其表示过程为：start_s

Pi ＝σ(Wstarthi+bstart)start_s

Pi 表示输入序列中的第i个token识别为实体的开始位置的概率，σ是sigmoid激活函数，Wstart是可训练的权重，bstart是偏差；

3.3)预先设定好一个span的最大宽度，将上述标记为1的对象作为实体的起始位置，依次生成span实体，直到span的宽度与最大宽度相等，每个实体span的表示过程为：he(si)＝[hSTART(i)；hEND(i)；φ(si)]hSTART(i)是span的起始索引，hEND(i)是span的结束索引，φ(si)是span的宽度特征嵌入；

3.4)将上述生成的实体span送入前馈神经网络，进行实体类型的预测，如下所示：Pe(e|si)＝softmax(Wehe(si))We是可训练的权重；

3.5)命名实体识别的交叉熵损失函数如下所示：s是实体span的集合，si为集合里的元素， 为gold实体类型；

4)对上述完成了命名实体识别的句子，将其句子中识别出来的实体span两两配对构成span头尾实体对，生成若干句子，将每一种实体类型用特殊的token字符来表示；

5)将生成句子中的span头尾实体替换成对应的实体类型token，从而构造一个新的句子；

6)对这个新生成句子中的头尾实体做关系的分类，过程如下：

6.1)将这个新的句子放入到另外一个BERT模型里，生成句子向量，如下所示：B＝{b1,b2......bn}

6.2)将该句子向量里对应的头尾实体向量拿出来进行一个拼接，如下所示：hr(si,sj)＝[bi；bj]

si为头实体，sj为尾实体，bi是头实体在句子中对应的向量，bj是尾实体在句子中对应的向量；

6.3)将拼接后的向量送入前馈神经网络进行关系的预测，从而完成三元组的抽取任务，如下所示：Pr(r|si,sj)＝softmax(Wrhr(si,sj))Wr是可训练的权重；

7)关系模型训练的损失函数如下所示：

SG是gold实体集合， 是实体对的gold关系类型。