摘要
关系抽取是指对给定句子中两个实体之间的关系进行分类的问题。远监督（Distant Supervision, DS）是一种在初始监督有限的情况下开发关系抽取器的常用技术。我们注意到，在远监督关系抽取设置中，大多数句子都非常长，可能通过词注意力机制获得更好的句子表示。本文的贡献有三个方面：首先，我们提出了两种新的词注意力模型用于远监督关系抽取：（1）基于双向门控循环单元（Bi-directional Gated Recurrent Unit, Bi-GRU）的词注意力模型（BGWA），（2）以实体为中心的注意力模型（Entity-centric Attention, EA），以及（3）一种组合模型，该模型通过加权投票方法结合多个互补模型，以提高关系抽取的效果。其次，我们引入了GDS，一个新的远监督关系抽取数据集。GDS去除了所有先前远监督基准数据集中存在的测试数据噪声，使得可信的自动评估成为可能。最后，通过在多个真实世界数据集上的广泛实验，我们展示了所提出方法的有效性。