Key points are not available for this paper at this time.
Neste artigo, apresentamos o GraphRel, um modelo de extração de relações de ponta a ponta que utiliza redes neurais convolucionais de grafo (GCNs) para aprender conjuntamente entidades nomeadas e relações. Em contraste com as referências anteriores, consideramos a interação entre entidades nomeadas e relações através de um GCN ponderado por relações para extrair melhor as relações. Estruturas lineares e de dependência são usadas para extrair características sequenciais e regionais do texto, e um grafo completo de palavras é ainda utilizado para extrair características implícitas entre todos os pares de palavras do texto. Com a abordagem baseada em grafo, a previsão para relações sobrepostas é substancialmente melhorada em comparação com abordagens sequenciais anteriores. Avaliamos o GraphRel em dois conjuntos de dados públicos: NYT e WebNLG. Os resultados mostram que o GraphRel mantém alta precisão enquanto aumenta substancialmente a recuperação. Além disso, o GraphRel supera trabalhos anteriores por 3,2% e 5,8% (pontuação F1), alcançando um novo estado da arte para extração de relações.
Fu et al. (Terça,) estudaram esta questão.