摘要
过去十年，传统的基于特征的方法在利用诸如词语或词汇模式等离散结构从文本中抽取关系方面取得了成功。近期，卷积神经网络和循环神经网络通过连续表示捕捉句子中的隐含结构，提供了非常有效的机制，从而显著提升了关系抽取的性能。卷积神经网络的优势在于其能够对句子中的连续k-gram进行泛化，而循环神经网络则在编码长距离句子上下文方面表现出色。本文提出将传统的基于特征的方法与卷积神经网络和循环神经网络相结合，以同时发挥它们的优点。我们对不同网络架构和组合方法进行了系统的评估，证明了该方法的有效性，并在ACE 2005和SemEval数据集上达到了最先进的性能。