你有沒有把一段文字讀完後，想直接整理成「誰對誰做了什麼」？ 你可以把三元組抽取想成「把句子整理成主詞、關係、受詞三個部分」 模型不是只看有沒有詞，而是要找出事件和關係的結構 這常拿來做知識庫建設、資訊抽取和問答前處理
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
三元組抽取 vs 命名實體辨識 三元組抽取要找關係 命名實體辨識主要找人名、地名、組織名 最關鍵的區別：有沒有關係這一層
三元組抽取 vs 關係抽取 三元組抽取通常包含實體與關係 關係抽取更聚焦在兩個實體之間的關聯 最關鍵的區別：範圍大小不同
三元組抽取 vs 問答系統 三元組抽取是把文本結構化 問答系統是直接回答問題 最關鍵的區別：資料整理和互動回答
記住這句就好
先找人和事，再把它們之間的關係補起來。
實際案例
新聞整理 從新聞句子抽出「公司、收購、目標公司」這類三元組，方便資料庫查詢
知識庫建構 把產品說明書中的關係抽成結構化資料，後續搜尋和問答都更好用
算法與應用
| 實體偵測 | 先找出人、地、物 | 這是三元組的基礎 | | 關係判斷 | 再看兩個實體之間的連結 | 通常比找實體更難 | | 結構化輸出 | 把結果整理成固定格式 | 方便進資料庫 | | 後續應用 | 用於知識圖譜和檢索 | 很常見的下游工作 |
情境判斷
Q1（直覺題）： 你想把商品評論整理成資料表，三元組抽取有幫助嗎？
有幫助，因為它能把文字裡的關係轉成結構化欄位。
Q2（判斷題）： 如果一句話只有名字沒有關係，還能硬抽三元組嗎？
不太行，因為三元組需要至少有可判定的關係。
常見問題
三元組一定是主詞、動詞、受詞嗎？
通常可以這樣理解，但實際任務會依語言和標註規格調整。
它和摘要有什麼差別？
摘要是濃縮內容，三元組抽取是抽出結構。
沒有標註資料能做嗎？
可以先用規則或弱監督方法起步，但準確度通常有限。