基于BERT和注意力引导图卷积网络的关系抽取

针对现有图卷积网络在关系抽取任务中存在文本语义，语法表征不准确和在不同树结构上并行化计算较难等问题，本文提出一种基于BERT和注意力引导图卷积网络的关系抽取模型。首先，在模型的输入层使用BERT和Bi-LSTM编码出适应于上下文语境的词向量；其次，对输入的树结构采用最短路径为中心的修剪方式，减少树中的无关信息；最后，在模型中引入多头注意力机制，自动学习不同子空间内对关系提取有用的相关子结构，并在TACRED数据集上进行验证。实验结果表明，相对于基线模型，本文提出的模型显著提高了实体关系抽取的F₁值。