一种新颖的级联二元标注框架用于关系三元组抽取
计算与语言
2020-06-23 v4
摘要
从非结构化文本中抽取关系三元组对于大规模知识图谱构建至关重要。然而，现有工作很少能很好地解决重叠三元组问题，即同一句子中的多个关系三元组共享相同实体。在本工作中，我们引入全新视角重新审视关系三元组抽取任务，并基于一个原则性的问题形式化，提出了一种新颖的级联二元标注框架（CasRel）。不同于以往工作将关系视为离散标签，我们的新框架将关系建模为将句子中的主语映射到宾语的函数，从而自然地处理重叠问题。实验表明，即使其编码器模块使用随机初始化的BERT编码器，CasRel框架的性能也已超越现有最优方法，展现了新标注框架的强大能力。当采用预训练BERT编码器时，其性能进一步提升，在两个公开数据集NYT和WebNLG上，F1分数分别比最强基线方法绝对高出17.5和30.2个百分点。对不同重叠三元组场景的深入分析表明，该方法在所有场景下均能带来一致的性能提升。源代码和数据已在线发布。
引用
@article{arxiv.1909.03227,
title = {A Novel Cascade Binary Tagging Framework for Relational Triple Extraction},
author = {Zhepei Wei and Jianlin Su and Yue Wang and Yuan Tian and Yi Chang},
journal= {arXiv preprint arXiv:1909.03227},
year = {2020}
}
备注
Accepted by ACL 2020. Code and data are available at: https://github.com/weizhepei/CasRel