摘要

联合抽取实体与关系是自然语言处理（NLP）中的一个重要任务，旨在从原始文本中识别出所有的关系三元组。该任务面临较大挑战，因为同一句子中提取出的多个三元组可能存在实体重叠的情况。现有大多数方法通常采用先进行实体识别，再对所有可能的实体对进行关系分类的两阶段策略，这种方法往往导致大量冗余计算。针对这一问题，本文提出一种关系特定注意力网络（Relation-Specific Attention Network, RSAN）。该模型利用具有关系感知能力的注意力机制，为每种关系构建特定的句子表示，并在此基础上进行序列标注，从而准确识别对应的关系头实体和尾实体。在两个公开数据集上的实验结果表明，所提模型能够有效处理重叠三元组的抽取任务，并达到当前最优的性能水平。代码已开源，地址为：https://github.com/Anery/RSAN。