结合实体描述信息的跨句包关系抽取方法

远程监督关系抽取方法能够大幅减少标注成本，但现有方法忽略了关系间的关联信息和实体背景知识。结合实体描述信息提出一种新的跨句包关系抽取方法。引入分段卷积神经网络进行句编码，解决特征提取的误差传播问题。同时设计跨关系跨句包注意力机制获取关系特征，更好地从远程监督的噪声数据中鉴别有效实例，从而充分利用关系之间丰富的相关信息并降低噪音句子的影响。在此基础上，利用卷积神经网络提取实体描述信息，补充关系抽取任务所需的背景知识，为跨关系跨句包注意力模块提供更好的实体表示。在NYT公共数据集上的实验结果表明，该方法在句子层面抽取任务上的F1值较结合句注意力与实体描述信息的分段卷积方法提高了4%左右，能够有效改善远程监督关系抽取效果。