摘要

当前最先进的关系抽取方法通过建模整个句子来考虑句法上下文。然而，某些语法指示词（如介词）或特定短语往往比其他词汇更具信息量，对识别语义关系具有重要价值。尽管已有部分方法采用固定文本触发词来捕捉此类信息，但这些方法忽略了词汇的多样性。为同时利用语法指示信息与句子上下文，本文提出一种面向指示词感知的关系抽取方法。首先，在句法知识的引导下提取语法指示词；随后，构建神经网络模型，将语法指示词与完整句子信息融合，以生成更优的关系表示。该方法有效缓解了来自完整句子的噪声信息干扰，突破了传统文本触发词的局限性。在SemEval-2010任务8基准数据集上的实验结果表明，所提模型显著优于现有最先进方法。