基于 Capsule 的关系抽取模型

模型首先通过预训练的 embedding 将句子中的词转化为词向量；随后使用 BiLSTM 网络得到粗粒度的句子特征表示，再将所得结果输入到胶囊网络，首先构建出 primary capsule，经由动态路由的方法得到与分类结果相匹配的输出胶囊。胶囊的模长代表分类结果的概率大小。

使用方法：

python main.py --model_name Capsule

更多配置见 config.py 文件

参考文献：

• Zhang N, Deng S, Sun Z, et al. Attention-based capsule networks with dynamic routing for relation extraction[J]. arXiv preprint arXiv:1812.11321, 2018.