weixin_41545327的博客

原创 Dependency-driven Relation Extractionwith Attentive Graph Convolutional Networks

句法信息和依赖树在已有的研究中已经广泛用于改进关系抽取，并能更好地指导分析与给定实体相关的上下文信息。然而，现有的研究依赖树中大多存在噪声，特别是当依赖树自动生成时，其过度利用依赖信息可能会给关系分类带来混乱，必要的剪枝在此任务中非常重要。本文提出了一种依赖驱动的注意力图卷积网络关系抽取方法（A-GCN）。在这种方法中，图卷积网络上的注意力机制应用于从现成的依赖解析器获得的依赖树中的不同上下文词，以区分不同词依赖的重要性。考虑到单词之间的依赖类型也包含重要的上下文指导，这可能有助于关系提取。