一种基于依存句法图的中文实体关系抽取模型

针对中文关系抽取中的数据稀疏和数据噪声问题,提出了基于最短依存路径的图卷积神经网络(DSP-GCN)模型。在输入层使用BERT模型对文本进行表示学习,更好地表达文本的语义,减少文本噪声的产生和传播;对于长文本实体间距离较长而导致的梯度消失问题,使用句法依存图对模型进行改善,以提高模型的抽取效果。在SemEval 2010和人物关系语料集上进行了实体关系抽取实验,验证了所提出模型的有效性。