論文地址：《GraphRel: Modeling Text as Relational Graphs for Joint Entity and Relation Extraction》
GitHub地址：GraphRel
提出一種端到端關系抽取模型GraphRel，該模型利用圖卷積網絡（GCNs）來聯合學習命名實體和實體間關系。與以往的baseline相比，我們通過關系加權GCN來考慮命名實體和關系之間的交互，以更好地提取關系。線性結構和依存句法結構用來提取文本的序列特征和區域特征，而完整的詞圖則進一步用於提取文本所有詞對之間的潛在特征。利用基於圖的方法，對重疊關系的預測比以前的順序方法有了實質性的改進。我們在兩個公開數據集上評估GraphRel: NYT和WebNLG。結果表明，GraphRel在保持較高的查准率（Precision）的同時，顯著提高了查全率（Recall）。此外，GraphRel的性能比之前的研究分別提高了3.2%和5.8%（F1分數），為關系抽取提供了一個新的技術水平。
下圖為本文模型結構:
在第一階段，我們采用BiRNN和GCN兩種方法來提取順序依存詞和區域依存詞的特征。給定單詞特征，我們預測每個單詞的關系和所有單詞的實體。然后，在第二階段，基於預測的第一階段的關系，我們為每一個關系建立完整的關系圖，在每一個圖上整合實體與實體之間的每一個關系。
下圖為Poster:
以下為源碼解析：
以上。總結一下：本文idea比較新穎，值得細讀，是一篇真正的ACL頂會文章~