本文中，作者提出了一种图卷积神经网络的端到端关系抽取模型来进行命名实体识别和关系抽取的联合学习。
论文地址：https://www.aclweb.org/anthology/P19-1136.pdf
介绍
要构建实体抽取的统一框架，目前有三个关键的问题需要解决：
- 端到端的实体识别与关系抽取的联合学习模型；
- 重叠关系的预测（重叠关系指的是相同的两个实体之间存在不止一个关系）；
- 两个关系之间的相互作用，尤其是重叠关系之间的。
传统的流水线式的关系抽取模型主要有两步：①运用命名实体识别技术进行实体抽取；②对所抽取的实体进行关系预测。实体识别与关系抽取的联合学习模型能够在这一任务中取得更好的结果，但是这样的联合学习模型需要进行大量的特征工程。
随着深度学习的成功，基于神经网络的特征学习模型也已被应用于关系抽取的任务中，然而这些模型都不是端到端的实体识别与关系抽取的联合学习模型，因为他们假定实体都是给定的，同时也期望在实际应用中，减小命名实体识别对结果的影响。
未完待续。。。
