[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x1, x2, …, xn
(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os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r1和r2, 以及目前需要判定的目标实体e1和e2的关系rs, 　三个关系的embedding表示o1, o2以及os就是由Figure 1的LSTM Layer层的最后一个输出得到．经由attention判断o1, o2哪个对os影响程度，利用公式：

最后os和oc串接后经由前馈神经网络得到关系：