基于新型关系注意力机制的实体关系抽取

毛养勤，覃俊，尹帆，叶正，李蔚栋

(中南民族大学 计算机科学学院 & 湖北省制造企业智能管理工程技术研究中心，武汉 430074)

近年来，无结构化文本信息的快速增长给人们获取有价值的信息服务带来了巨大的困难.信息抽取技术[1]是对无结构化文本进行结构化处理的主要技术，为人们带来更佳的用户体验.然而实体关系抽取作为信息抽取领域的核心子任务，是指对文本中所含实体对进行语义关系提取.在构建知识图谱，智能问答等方面有着重要意义.

目前，有监督方式的实体关系抽取将该任务当作一个分类任务并且取得较好的效果.但该方法依然受到标注语料的限制，人工标注费时费力，因此影响了实体关系抽取的大规模抽取效果.针对其语料缺乏的问题，MINTZ[2]提出了一种利用知识库中已存实体三元组信息自动对齐自由文本来标注语料的远程监督方法.其主要思路是：如果知识库中的实体对含有某种关系，那么包含这种实体对的句子都会标注上这个关系.显然这种方式存在不严谨的地方，引入了许多噪声标注数据.因此引入了注意力机制，对表示某一关系的语料中的每一个句子分配一个权重，旨在找到更能表达实体之间关系的句子.然而在计算某些关系语义表示的时候，传统注意力模型使用两实体表示相减得到，会忽略不同关系其实关注的是实体的不同方面.例如：

“斯内普深情地看着莉莉.----恋人”.

针对上面的……