摘要

关系抽取模型通常将判断一对实体之间是否存在关系的问题视为单一决策任务。然而，这类模型在处理长句或复杂语言结构时往往表现不佳，尤其是在科学文献中，两个实体之间往往并非直接关联。为此，我们提出一种新方法，将二元关系分解为两个一元关系，分别捕捉每个实体在关系中的角色。我们构建了一个堆叠式学习模型，综合一元关系抽取器与二元关系抽取器的信息，以判断两个实体之间是否存在关系。实验结果表明，该方法在行星科学文献新语料库以及生物领域基准数据集上的表现，均优于多种现有的竞争性关系抽取模型。