基于图注意力卷积神经网络的文档级关系抽取

吴 婷，孔 芳

(苏州大学 计算机科学与技术学院，江苏 苏州 215006)

0 引言

伴随信息时代的高速发展，互联网给人们带来便利的同时也产生数以万计的数据，并呈现指数增长的趋势，给数据的存储和处理造成困难。为了应对信息爆炸带来的挑战，迫切需要一种自动内容抽取的工具帮助人们快速从海量数据中挖掘出感兴趣的信息。在这种背景下，信息抽取(Information Extraction,IE)应运而生[1]。信息抽取研究将非结构化文本转化为便于机器和程序理解的结构化和半结构化信息，并以数据库的形式进行存储，以提高用户的查询效率，也可以为其他自然语言处理任务提供服务。

信息抽取研究从自然语言文本中抽取特定类型的事件和事实信息，通常把特定的事实信息称为实体(Entity)，如组织机构(ORG)、人物(PER)等。实体关系抽取的目标是根据给定的包含实体e1和e2的自然语言文本，识别出e1和e2之间的关系类型r。实体关系抽取作为信息抽取的一项重要子任务，可应用于自动问答[2]、机器翻译[3]、知识图谱[4]等领域，受到了国内外专家学者的广泛关注。

目前实体关系抽取的相关研究多集中在句子级别[5-9]，即只关注句内两个实体之间的关系，对跨句子的情况关注相对较少。而根据自然语言的表达习惯，实体对分别位于不同句子的情况也十分常见。早在2010年，Swampillai[10-11]等人统计了MUC和ACE 2003语料中跨句子关系的分布情况，分别对应28.5%和9.4%，并于2011年基于SVM模型完成了初步尝试。近几年得益于深度学习的发展，Peng[12]等人于2017年提出了基于graph LSTM的跨句子关系抽取框架，并在生物领域的数据集上验证了该方法的有效性。……