融合GRU和注意力机制的图卷积关系抽取

实体关系抽取在自然语言处理中十分重要，针对图卷积网络中特征提取不准确，循环神经网络梯度模糊等问题，提出了一种融合门控循环单元（GRU）和注意力机制的图卷积关系抽取模型。通过加入双向GRU对输入的上下文信息进行处理，获得更为细致的特征以此对长期依赖信息进行学习，并进一步利用多头注意力机制对不同类型的边与节点进行权重分配，过滤多余信息，增强节点间的关联性，最后利用图卷积得到最终的关系抽取结果。针对SemEval-2010Task8和SemEval-2010Task4数据集中对其进行测试，实验表明该方法提高了其F1值，能够实现关系的有效提取。