基于图注意力卷积神经网络的文档级关系抽取

摘要：

关系抽取作为信息抽取的子任务,旨在从非结构化文本中抽取出便于处理的结构化知识,对于自动问答、知识图谱构建等下游任务至关重要.该文在文档级的关系抽取语料上开展工作,包括但不局限于传统的句子级关系抽取.为了解决文档级关系抽取中长距离依赖问题,并且对特征贡献度加以区分,该文将图卷积模型和多头注意力机制相融合构建了图注意力卷积模型.该模型通过多头注意力机制为同指、句法等信息构建的拓扑图构建动态拓扑图,然后使用图卷积模型和动态图捕获实体间的全局和局部依赖信息.该文分别在DocRED语料和自主扩展的ACE 2005语料上进行实验,与基准模型相比,基准模型上融入图注意力卷积的模型在两个数据集上的F1值分别提升了2.03％ 和3.93％,实验结果表明了该方法的有效性.

关键词：文档级关系抽取;图卷积网络;图注意力

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80