计算机工程与科学

作者：黄明伟, 韩虎, 徐学锋, 王婷婷

单位：1.兰州交通大学电子与信息工程学院，甘肃 兰州 730070；2.甘肃省人工智能与图形图像工程研究中心，甘肃 兰州 730070

关键词：关系抽取,图卷积网络,混合注意力,实体位置信息,动态依赖,

基金：国家自然科学基金(62166024)

关系抽取作为自然语言处理(NLP)领域的子任务，旨在从非结构化文本中识别出特定实体对之间的关系。针对现有中文关系抽取研究中存在关键语义特征提取不全面、语法知识的引入附带大量噪声信息的问题，构建一种动态依赖驱动与多元特征增强的中文关系抽取模型。模型分为2个通道，通道1，面向实体对原始依赖解析树进行重构并动态剪枝，去除冗余句法依赖，并通过图卷积网络捕获深层语法特征；通道2，面向实体构建相对位置向量，利用分段卷积对相对位置向量进行片段化特征提取以获取局部语义特征，利用混合注意力机制捕获全局语义特征，通过门控机制融合局部与全局语义特征。最后对2个通道特征表示进行交互融合。实验结果表明，在4个公开数据集COAE2016,SanWen,FinRE和SciRE上所提出模型的抽取效果均优于基线模型。

来源：2026年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2026年第2期