面向对话文本的实体关系抽取方法研究

作者：金华松

来源：福建电脑, 2023, 39(09): 39-44.

DOI：10.16707/j.cnki.fjpc.2023.09.009

• 对话关系抽取
• 图神经网络
• 注意力机制
• 多视图图卷积

对话关系抽取旨在预测对话文本中的实体对之间的关系。相比于规范文本，对话文本中的信息密度较低，存在关系的实体对通常出现在不同对话语句中。针对以上问题，本文提出了一个融入图神经网络的对话关系抽取模型，该模型使用BERT模型学习到对话的语义特征，根据关键信息构建关系图，并采用图注意力机制来对文本中重要的节点进行学习。模型将学习过后的特征放入到多视图图卷积模块，然后利用潜在多视图捕获到更多有用的特征，最后通过结合文本全局信息和细化图后的信息对两个实体对关系进行分类。实验结果表明，与其他模型相比，在公用数据集DialogRE上所提出的模型性能有明显的提升。