摘要
本发明公开了一种事件隐式关系抽取方法，来进行因果关系分类和回归识别。该模型结合双向长短记忆网络和图卷积网络进行融合特征提取，并将中心触发词的距离信息整合到语义特征中，以丰富语义特征的提取。实验表明，本文所提出的模型在隐式关系抽取任务中的表现性能更佳。包括：Embedding层将文本转换为上下文语义表示向量；特征提取层使用双向长短期记忆网络(BiLSTM)和图卷积网络(GCN)进行联合特征抽取，BiLSTM负责捕获文本序列中的上下文信息，在此基础上利用GCN构建事件元素之间的图表示，充分利用图结构信息捕获词汇级语义信息，理解词汇之间的复杂关系；Attenton层采用注意力机制进一步增强模型对关键信息的关注能力，从文本中抽取出事件之间的复杂关系，Softmax输出层使用Softmax模型进行分类并输出结果。
