依存树传达了丰富的结构信息，这些信息已被证明对于从文本中提取实体间的关系非常有用。然而，如何有效地利用相关的信息同时忽略无关的信息仍然是一个具有挑战性的研究问题。现有的方法通常采用基于规则的硬剪枝策略来选择相关的部分依存结构，但这种方法并不总能产生最优的结果。在本工作中，我们提出了一种新颖的模型——注意力引导图卷积网络（AGGCNs），该模型可以直接以完整的依存树作为输入。我们的模型可以被视为一种软剪枝方法，能够自动学习如何有选择地关注对关系提取任务有用的子结构。在包括跨句n元关系提取和大规模句子级关系提取在内的多种任务上的广泛实验结果表明，我们的模型能够更好地利用完整依存树的结构信息，显著优于先前的方法。