融合依存关系的对话关系抽取

TP391.41; 为了提高对话中实体对的关系抽取能力,将依存关系引入到异构图注意力网络中,提出了DEP-GAT模型.首先,通过预处理层获取每个词的基本特征,然后在话语编码层实现上下文特征的抽取,并加入依存信息进一步掌握话语结构.最后利用特征构建异构图,设计有效的消息传递机制,从而使得更新后的对话实体对包含了整个对话的上下文信息和语法特征,以此提高模型对实体关系抽取的能力.实验结果表明,在DialogRE数据集上,DEP-GAT模型相比于基线模型,F1 值在开发集上提高了2.9%,在测试集上提高了1.8%.