计算机应用研究

作者：李子亮,李兴春,

单位：五邑大学电子与信息工程学院,广东江门529020；

关键词：关系抽取,液态神经网络,图卷积网络,预训练模型,注意力门控,多层感知机,

基金：广东省本科高校教学质量与教学改革工程建设项目(GDJX2023013)；五邑大学教学质量工程与教学改革工程项目(JX2023012)；；

针对自然语言处理中关系抽取任务在建模长距离依赖与复杂语义理解方面的不足，提出了一种融合液态神经网络与多层级图卷积网络的关系抽取模型BLGAM。该模型首先利用BERT对输入句子进行上下文语义编码，获得初始文本表示；随后通过基于闭式连续时间解的液态神经网络捕捉动态时序特征，建模长距离依赖信息；同时结合依存句法和实体结构构建多层级图卷积网络，提取局部与全局结构化语义特征；最后采用注意力门控机制对时序特征与结构特征进行加权融合，并通过多层感知机提升实体对关系识别的准确性与鲁棒性。在NYT和WebNLG两个公开数据集上的实验结果表明，该模型的F1值分别达到92.6%和92.1%，均优于现有主流基线，验证了液态神经网络在长距离依赖建模与动态信息捕捉方面的显著优势，以及多层级图卷积网络在挖掘实体间隐含结构联系上的补充作用。该方法为复杂语义场景下的关系抽取提供了高效解决方案。

来源：2026年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第1期