SDP-LSTM关系分类（2015）论文阅读笔记

Classifying Relations via Long Short Term Memory Networks along Shortest Dependency Paths（2015）论文阅读笔记

一、背景

SVM
RNN
MV-RNN
FCM
CNN
CR-CNN

本文基于以下三点原因，提出了SDP-LSTM（基于最短依存路径的LSTM）模型用于关系分类：
①最短依存路径包含大量信息：
最短依存路径中的单词集中包含了大部分信息，噪声很少，而其他单词信息较少，且可能带来大量噪声。
②方向很重要：
由于在依存树中，两个词的方向不同，会导致其依赖关系不同，且关系类型也具有方向性，所以，将SDP划分为两个子路径，每个子路径为从一个实体到共同的祖先节点。将提取的特征沿两个子路径连接起来进行最终的分类。
③外部语言信息可帮助提升效果：
本文采用words本身，POS，WordNet上义词，以及grammatical relations between governing words and their children四种特征。

二、模型

以句子“A trillion gallons of water have been poured into an empty region of outer space”为例，下图为其依存解析树。

红线表示两个实体间的最