Ein abhängigkeitsbasierter neuronales Netzwerk für die Klassifizierung von Relationen

Frühere Forschungen zur Beziehungsklassifizierung haben die Effektivität der Verwendung von Abhängigkeitskürzestpfaden oder -unterbäumen bestätigt. In dieser Arbeit untersuchen wir weiter, wie man die Kombination dieser Abhängigkeitsinformationen optimal nutzen kann. Zunächst schlagen wir eine neue Struktur vor, den erweiterten Abhängigkeitspfad (Augmented Dependency Path, ADP), der aus dem kürzesten Abhängigkeitspfad zwischen zwei Entitäten und den an diesen Pfad angefügten Unterbäumen besteht. Um die semantische Darstellung hinter der ADP-Struktur zu nutzen, entwickeln wir abhängigkeitsbasierte neuronale Netze (Dependency-based Neural Networks, DepNN): ein rekursives neuronales Netzwerk, das zur Modellierung der Unterbäume konzipiert ist, und ein Faltungsneuronales Netzwerk (Convolutional Neural Network), das die wichtigsten Merkmale auf dem kürzesten Pfad erfasst. Experimente mit dem SemEval-2010-Datensatz zeigen, dass unser vorgeschlagener Ansatz erstklassige Ergebnisse erzielt.