依存関係に基づくニューラルネットワークを用いた関係分類

関係分類に関する以前の研究では、依存関係の最短パスや部分木を使用することの有効性が確認されています。本論文では、これらの依存情報の組み合わせをどのように最大限に活用するかについてさらに探求します。まず、2つのエンティティ間の最短依存パスとそのパスに接続された部分木から構成される新しい構造である拡張依存パス（Augmented Dependency Path: ADP）を提案します。ADP構造背後にある意味表現を活用するために、依存関係に基づくニューラルネットワーク（Dependency-based Neural Networks: DepNN）を開発しました。これは、部分木をモデル化するための再帰型ニューラルネットワークと、最短パス上の最も重要な特徴を捉えるための畳み込みニューラルネットワークから構成されています。SemEval-2010データセットでの実験結果は、提案手法が最先端の成果を達成していることを示しています。