摘要
步入大数据时代，互联网涌现了海量的文本数据，其中蕴含了许多有价值的关系事实。作为信息抽取的子任务，关系抽取具备知识凝练能力，识别出非结构化文本中指定实体间的关系，将其组织成结构化的数据形式，应用于知识图谱补全和智能问答等领域。有监督关系抽取受限于小型训练数据，并且依赖繁琐耗时的人工标注方式，难以完成大规模数据的构建。 远程监督方法提供一种自动标注方案，用一种对齐方式串联知识图谱和文本数据，自动获取大规模语料，逐渐成为了关系抽取的研究热点。然而，远程监督方法虽能扩展数据规模，但是由于标注策略考虑不全，导致错误标注的出现。因此，在远程监督关系抽取中，大部分研究的重点在于降噪，即设计鲁棒的模型来降低噪声数据的影响，提升关系抽取性能。基于上述问题，本文聚焦于实体特征，结合神经网络模型，探究文本中蕴含的实体关联语义。本文工作主要包括以下方面： （1）为了增强模型规避噪声特征的能力，提升远程监督关系抽取性能，本文提出实体感知增强的门控分段卷积神经网络（Gated Piecewise CNN with Entity-Aware Enhancement,EA-GPCNN）。在关系抽取中，每个词和头尾实体之间存在语义依赖，EA-GPCNN采用两层多头自注意力网络来建模这些语义依赖，最后获得实体感知增强的词表征向量。然后，EA-GPCNN使用一个全局门结构，将全局上下文信息集成到每个增强词表征向量，作为PCNN的输入。由实体位置分割的三个段对关系判别的贡献是不同的，EA-GPCNN提出一个段级别的门控机制，对三个分段进行贡献度计算，强化关键段的作用，弱化无关分段的影响。在远程监督关系抽取中，EA-GPCNN有效地建模句子表示，提升关系抽取性能。 （2）为了解决困扰选择性注意力的单句包问题，本文提出实体引导增强特征网络（Entity-Guided Enhancement Feature Network,EGEFN），用于远程监督关系抽取。本研究从具体实例发现，关键关系特征通常蕴含于重要的词和短语中，并可通过实体指导来抽取这些特征。EGEFN首先提出实体引导注意力，依次从单词和短语两个层次出发，计算其与头尾实体的相关性，指导模型关注关键词和短语，捕获重要的关系特征，然后将其用于增强实体表示。随后，两个多级增强的实体表示通过线性层转化为鲁棒的关系表示。然后，EGEFN采用语义融合层来融合多种语义表征，例如PCNN编码的句子表示、多级增强实体表示以及关系表示，来获得最终的增强句子表示。最后，EGEFN引入关系度量聚合门，以鲁棒的关系表示与句子的相关性为度量，聚合所有句子特征，以生成一个包表示。在单句包的情况下，EGEFN能实现稳定的关系分类。
NETL