【论文标题】Dialogue Relation Extraction with Document-level Heterogeneous Graph Attention Networks 【对话关系提取】采用文档级异构图注意力网络进行对话关系提取 【作者团队】Hui Chen, Pengfei Hong, Wei Han, Navonil Majumder, Soujanya Poria 【发表时间】2020/9/10 【论文链接】https://arxiv.org/abs/2009.05092 【推荐理由】本文提出了一种基于异构图注意力神经网络来处理对话关系提取任务的模型。这个模型针对对话语料中的多种类型特征进行图建模，可以有效捕获对话中不同实体间的关系。

对话关系提取（DRE）旨在检测多方对话中提到的两个实体之间的关系，其能从互联网上日益丰富的对话数据中构建知识图谱，并能促进智能对话系统的开发。传统的DRE方法并不能有效地利用说话人的信息，通常只是在语句前加上各自的说话人名称。因此，无法模拟关键说话者间的关系，而这种关系可能通过代词和触发器给相关的论点实体提供额外上下文信息。本文提出了一种基于图注意力的异构神经网络的DRE方法，构建了一个包含有意义连接的说话者、实体、实体类型和语句节点的图谱。这个图谱被送入图注意力网络，在相关节点间进行上下文传播，从而有效捕捉对话上下文。文章通过实证表明，这种基于图的方法有效地捕捉了对话中不同实体对间的关系，在基准数据集DialogRE上以明显优势优于当前最佳方法。

图1：文中提出的Document-level Heterogeneous Graph Attention Networks （DHGAT）模型架构

内容中包含的图片若涉及版权问题，请及时与我们联系删除