BED：用于规范关系提取的双编码器-解码器模型
计算与语言
2023-12-13 v1 人工智能
摘要
规范关系提取旨在从句子中提取关系三元组，其中三元组元素（实体对及其关系）被映射到知识库中。最近，基于编码器-解码器架构的方法被提出并取得了令人瞩目的成果。然而，这些方法无法很好地利用实体信息，这些信息仅被用作增强的训练数据。此外，它们无法表示新实体，因为没有为这些实体学习嵌入。在本文中，我们提出了一个新颖的框架 Bi-Encoder-Decoder (BED) 来解决上述问题。具体而言，为了充分利用实体信息，我们采用编码器对该信息的语义进行编码，从而产生高质量的实体表示。对于新实体，给定一个训练好的实体编码器，可以轻松生成它们的表示。在两个数据集上的实验结果表明，我们的方法比之前的 SOTA 取得了显著的性能提升，并且无需重新训练即可很好地处理新实体。
引用
@article{arxiv.2312.07088,
title = {BED: Bi-Encoder-Decoder Model for Canonical Relation Extraction},
author = {Nantao Zheng and Siyu Long and Xinyu Dai},
journal= {arXiv preprint arXiv:2312.07088},
year = {2023}
}