摘要

联合实体与关系抽取是信息抽取中的关键任务，旨在从非结构化文本中提取全部关系三元组。然而，现有大多数方法在抽取实体之前并未充分考虑实体间的潜在关系信息，这可能导致所提取的实体难以构成有效的三元组。为此，本文提出一种基于异构图神经网络的表示迭代融合关系抽取方法（RIFRE）。该方法将关系与词语建模为图中的节点，并通过消息传递机制迭代融合两类语义节点，以获得更适用于关系抽取任务的节点表示。在节点表示更新后，模型进一步执行关系抽取。我们在两个公开的关系抽取数据集（NYT 和 WebNLG）上对 RIFRE 进行了评估，实验结果表明，RIFRE 能够有效提取三元组，并达到当前最优性能。此外，RIFRE 在关系分类任务中也表现出色，在 SemEval 2010 Task 8 数据集上显著优于先前的方法。