要約
構文情報、特に依存関係木（dependency tree）は、既存の研究において、与えられたエンティティに関連する文脈情報を分析する上でより良い意味的ガイダンスを提供するため、関係抽出（relation extraction）の改善に広く利用されてきた。しかし、多くの既存研究は、特に自動生成された依存関係木に含まれるノイズの影響を受けており、依存関係情報の過剰な活用は関係分類に混乱をもたらす可能性がある。したがって、このタスクにおいては、必要に応じたノイズ除去（pruning）が極めて重要である。本論文では、注意機構を備えたグラフ畳み込みネットワーク（A-GCN）を用いた依存関係駆動型の関係抽出手法を提案する。本手法では、既存の依存関係解析器（off-the-shelf dependency parser）から得られた依存関係木における各文脈語に対して、グラフ畳み込みネットワーク上に注意機構を適用し、異なる語間依存関係の重要性を区別する。また、語間の依存関係タイプ自体が重要な文脈的ガイダンスを含んでいることから、関係抽出に有用である可能性があるため、A-GCNのモデル構築に際して依存関係タイプの情報も組み込む。2つの英語ベンチマークデータセットにおける実験結果から、本研究で提案するA-GCNの有効性が実証され、既存手法を上回り、両データセットにおいて最先端（state-of-the-art）の性能を達成した。