A Dependency-Based Neural Network for Relation Classification（DepNN，2015）论文阅读笔记

一、背景

SVM（2010）
MV-RNN（2012）
CNN（2014）
FCM（2014）
DT-RNN（2014）
DT-RNN使用RNN建模依赖树后，通过线性组合的方式将节点的词嵌入与其子节点的词嵌入结合起来。而本文则是利用子树结合词嵌入，再使用CNN捕捉特征，F1值大幅提高。

以往的关系分类研究已经验证了使用依赖最短路径或子树进行关系分类的有效性。二者具有不同的功能。本文提出了一种新的结构：Augmented Dependency Path（ADP，增强依赖路径），将两个实体间的最短依赖路径和与最短依赖路径相连的子树结合起来：使用递归神经网络建模子树，将生成的依赖子树的表示附加到最短依赖路径上的单词上，从而使最短依赖路径上的单词获得新的词嵌入，然后使用卷积神经网络捕捉最短依赖路径上的关键特征。

传统的依赖解析树：

本文提出的ADP结构：

加粗部分为句子的最短依赖路径。从图二中可以看出，具有相似最短依赖路径的两个句子却具有不同的relation，表明只使用