[EMNLP2017]Context-Aware Representations for Knowledge Base Relation Extraction(short paper))

在上面给出的例子（１）中，任务是判断e1和e2的关系，在进行判断的时候，借助了e1和e3的关系. e1和e3的关系是在判断e1和e2之前已经识别出来．那么又引出了一个问题：如何表示e1和e3的关系？

图１给出的是实体e1和e2实体之间的关系判定，由下至上看此图，输入有两个序列(1)句子序列$x_1$, $x_2$, …, $x_n$
(2)实体标签序列：标签B-$*$, I-$*$, L-$*$, O, U-$*$, $*$代表具体的实体类型，因为要判断e1和e2的关系，此时其他实体的标签全都打成O

在LSTM layer层的最后一个输出$o_s$就表示了实体e1和e2以及它们的关系

Figure2 就是利用其他关系判断两个目标实体之间的关系：
假设目前已经识别出的关系有两个$r_1$和$r_2$, 以及目前需要判定的目标实体e1和e2的关系$r_s$, 　三个关系的embedding表示$o_1$, $o_2$以及$o_s$就是由Figure 1的LSTM Layer层的最后一个输出得到．经由attention判断$o_1$, $o_2$哪个对$o_s$影响程度，利用公式：

最后$o_s$和$o_c$串接后经由前馈神经网络得到关系：