摘要
句法信息，尤其是依存句法树，在现有研究中被广泛用于提升关系抽取性能，通过提供更优的语义引导来分析与给定实体相关联的上下文信息。然而，大多数现有方法在依赖树存在噪声时面临挑战，尤其是在依赖树由自动解析器生成的情况下，过度依赖依赖信息可能导致关系分类中的混淆，因此在该任务中进行必要的依赖关系剪枝显得尤为重要。本文提出一种基于依存驱动的关系抽取方法，采用注意力图卷积网络（A-GCN）。该方法在来自现成依存句法解析器的依存树基础上，引入图卷积网络的注意力机制，对不同上下文词语的依存关系进行重要性区分。同时，考虑到词与词之间的依存类型本身也蕴含着重要的上下文语义信息，对关系抽取具有潜在帮助，因此我们在A-GCN建模中进一步融合了依存类型信息。在两个英文基准数据集上的实验结果表明，所提出的A-GCN方法具有显著有效性，其性能优于以往方法，并在两个数据集上均达到了当前最优水平。