题目：《基于异构图神经网络的表示迭代融合进行联合实体和关系抽取》
代码地址：https://github.com/zhao9797/RIFRE
创新点
提出了一种基于异构图神经网络的表示迭代融合关系抽取算法( RIFRE )：将关系和词语建模为图上的节点，通过消息传递机制将两类语义节点进行迭代融合，得到更适合关系抽取任务的节点表示；模型在节点表示更新后进行关系抽取。
方法概述
本文提出了一种基于异构图神经网络的表示迭代融合，用于联合实体和关系抽取。将关系和单词建模为图上的节点，并通过消息传递机制更新节点。模型在节点更新后进行关系抽取。首先使用主题标注器来检测单词节点上所有可能的主题；然后将每个单词节点与候选主语和关系进行组合，并使用对象标记器在新的单词节点上对对象进行标记。
异构图方法优点
（1）将关系视为节点，每个词节点在标注了主题后，综合特定的关系和主题信息对对象进行标注，这使得处理重叠三元组变得容易
（2）不同节点可以通过多个消息传递过程充分利用彼此的信息。在抽取实体之前，每个单词都融合了可能与其相关联的关系节点的语义信息。之后，标注者可以很容易地抽取出形成有效关系的实体。
方法细节
- 节点的向量表示给定一个句子和一个预定义的关系类型，我们通过将句子中的单词编码成向量并将每个关系作为向量嵌入来构建图模型的输入
- 异构图层我们提出了一个异构图神经网络来迭代融合单词节点和关系节点的表示
- 关系抽取在得到单词节点和关系节点的表示后执行具体的关系抽取步骤。