在实体关系抽取任务中，通常采用远程监督(distant supervision，DS)数据集，远程监督方法能通过大规模语料库自动标注数据来扩张数据集，但这无疑会使数据集充满大量的噪声。为此，该文将深度残差网络(deep residual network，ResNet)应用到关系提取的远程监督数据集上，通过加深网络层数来提高模型降噪能力。同时，提出了Gate模块，有效提高了深度残差网络的性能。该模块可以学习到每个特征通道的重要性，通过权重增强或抑制各个特征通道的比重，从而防止过拟合。另外，为了进一步解决数据集降噪问题，还提出了一种双池化层的池化层新方案。实验结果表明所提方法相比于目前效果较好的PCNN+ATT模型，在准确率和召回率上都有3%左右的提升。
