摘要
知识图谱（Knowledge Graphs, KGs）被广泛用于辅助关系抽取（Relation Extraction, RE）任务。尽管以往大多数RE方法主要依赖于确定性知识图谱，但不确定知识图谱通过为每个关系实例赋予置信度分数，能够提供关系事实的先验概率分布，作为RE模型的宝贵外部知识。本文提出利用不确定知识以提升关系抽取性能。具体而言，我们将ProBase这一不确定知识图谱引入到RE架构中，该图谱能够表征目标实体属于某一概念的程度。在此基础上，我们设计了一种新颖的多视角推理框架，从三个视角——提及（mention）、实体（entity）和概念（concept）——系统地融合局部上下文信息与全局知识。实验结果表明，所提模型在句子级和文档级关系抽取任务上均取得了具有竞争力的性能，验证了引入不确定知识以及所设计的多视角推理框架的有效性。