AIFB-WebScience 在 SemEval-2022 任务 12 上的方法：关系抽取优先——利用关系抽取识别实体
计算与语言
2022-05-05 v2 人工智能
机器学习
摘要
在本文中，我们提出了一种基于 transformer 语言模型的端到端联合实体与关系抽取方法。我们将该模型应用于将 LaTeX 文档中的数学符号与其描述相链接的任务。与现有的按顺序执行实体和关系抽取的方法不同，我们的系统将关系抽取的信息融入实体抽取中。这意味着即使数据集仅标注了所有有效实体 span 的子集，系统也可被训练。我们对该系统及其优缺点进行了详尽评估。我们的方法在推理时可动态扩展计算复杂度，能产出高精度的预测，并在 SemEval-2022 任务 12 的排行榜上获得第 3 名。对于物理和数学领域的输入，它分别取得了 95.43% 和 79.17% 的高关系抽取宏 F1 分数。用于训练和评估我们模型的代码可在：https://github.com/nicpopovic/RE1st 获取。
引用
@article{arxiv.2203.05325,
title = {AIFB-WebScience at SemEval-2022 Task 12: Relation Extraction First -- Using Relation Extraction to Identify Entities},
author = {Nicholas Popovic and Walter Laurito and Michael Färber},
journal= {arXiv preprint arXiv:2203.05325},
year = {2022}
}
备注
Camera ready version