一种用于联合实体关系抽取的两阶段范式

已有详尽研究探讨基于 span 的模型在联合实体与关系抽取任务上的表现。然而，这些模型在训练过程中采样了大量负实体与负关系，尽管它们不可或缺，却导致严重的数据分布不平衡，进而造成次优的模型性能。为解决上述问题，我们提出一种用于基于 span 的联合实体与关系抽取的两阶段范式，其第一阶段对实体与关系进行分类，第二阶段预测这些实体与关系的类型。该两阶段范式使我们的模型能够显著缩小数据分布差距，包括负实体与其他实体之间的差距，以及负关系与其他关系之间的差距。此外，我们首次尝试将实体类型与实体距离作为全局特征相结合，已被证明有效，尤其对关系抽取而言。在多个数据集上的实验结果表明，辅以两阶段范式与全局特征的基于 span 的联合抽取模型持续优于先前最先进的基于 span 的联合抽取模型，确立了新的标准基准。定性与定量分析进一步验证了所提范式与全局特征的有效性。