摘要

先前的关系分类研究已经验证了使用依存最短路径或子树的有效性。在本文中，我们进一步探讨如何充分利用这些依存信息的组合。首先，我们提出了一种新的结构，称为增强依存路径（Augmented Dependency Path, ADP），它由两个实体之间的最短依存路径及其附着的子树组成。为了挖掘ADP结构背后的语义表示，我们开发了基于依存关系的神经网络（Dependency-based Neural Networks, DepNN）：一种递归神经网络，用于建模子树；以及一种卷积神经网络，用于捕捉最短路径上的最重要特征。在SemEval-2010数据集上的实验表明，我们提出的方法达到了当前最佳的结果。