基于依存结构的关系三元组抽取方法

信息抽取是自然语言处理领域的关键任务,关系三元组抽取是信息抽取的核心子任务.在关系三元组抽取任务中,利用句子的依存结构信息可以加强对句子的全局理解,从而提升模型的抽取效果.该文提出了一种基于依存结构分析和图神经网络的抽取方法.首先利用预训练模型得到文本向量语义表示;其次获取文本的依存结构信息并构建成图;接着利用图神经网络编码图的结构信息获取全局理解;最后通过特定的解码方式抽取出文本蕴含的关系三元组.实验结果表明：该抽取方法在NYT29、NYT24和WebNLG数据集上的精确率比已有的联合抽取模型精确率提升0.1%～0.6%,召回率提升0.2%～0.5%,F₁值提升0.1%～0.3%.