Relation Extraction: Perspective from Convolutional Neural Networks（2015）论文阅读笔记

一、背景：

相较于关系分类(Relation Classification，RC），关系抽取（Relation Extraction，RE）任务往往伴随着一个极不平衡的数据集，其中非关系的实例数远远超过其它实例数，这使得RE任务比RC任务更具挑战性，但也更加实用。

CNN已经在关系分类任务中取得了很大成果。但是目前为止，还没有工作将CNN运用到RE任务中去，本文是填补这一空白的第一次尝试，为今后在这一领域的研究提供了baseline。

二、模型：

1.Word Representation

首先，由于CNN只能处理定长输入，故使用trimming/padding策略，使每个句子长度一致。

word embedding：

对于每个单词x_i，将其通过word embedding矩阵W映射为向量e_i，维度为m_e。

矩阵W使用随机初始化或预训练初始化。

position embedding：

对于每个单词x_i，其到两个实体x_i1，x_i2的相对距离为i-i₁&