摘要
关系抽取（RE）是指预测文本中提到的两个实体之间的关系类型，例如一个句子或一段对话。当给定的文本较长时，识别用于关系预测的指示词变得具有挑战性。近年来，基于BERT的序列建模和基于图的关系建模在RE任务上取得了显著进展。本文提出构建一个潜在多视图图来捕捉序列中各标记之间可能存在的多种关系。然后通过动态时间规整池化（Dynamic Time Warping Pooling, DTWPool）对图进行精炼，以选择重要的词用于关系预测。最后，将精炼后的图表示与基于BERT的序列表示连接起来进行关系抽取。具体而言，在我们提出的GDPNet（高斯动态时间规整池化网络）中，利用高斯图生成器（Gaussian Graph Generator, GGG）生成多视图图的边。实验结果表明，在DialogRE和TACRED数据集上，GDPNet在对话级别的关系抽取任务中表现最佳，并且在句子级别的关系抽取任务中也达到了与现有最先进方法相当的性能。