BitCoin：基于双向标注与监督对比学习的联合关系三元组抽取框架
计算与语言
2023-09-22 v1 人工智能
摘要
关系三元组抽取（RTE）是信息抽取与知识图谱构建中的一项基本任务。尽管近期有所进展，现有方法仍表现出一定局限。它们仅采用通用预训练模型，未考虑 RTE 任务的特异性。此外，现有基于标注的方法通常将 RTE 任务分解为两个子任务，先识别主体再识别客体与关系。它们仅关注从主体到客体的关系三元组抽取，忽视了一旦主体抽取失败，则所有与该主体相关的三元组均无法抽取。为解决这些问题，我们提出 BitCoin，一种创新的基于双向标注和监督对比学习的联合关系三元组抽取框架。具体而言，我们设计了一种监督对比学习方法，为每个锚点考虑多个正样本而非仅限一个正样本。此外，引入惩罚项以防止主体与客体间过度相似。我们的框架以两个方向实现标注器，支持从主体到客体以及从客体到主体的三元组抽取。实验结果表明，BitCoin 在基准数据集上取得了最先进水平的结果，并在 Normal、SEO、EPO 及多关系抽取任务上显著提升了 F1 分数。
引用
@article{arxiv.2309.11853,
title = {BitCoin: Bidirectional Tagging and Supervised Contrastive Learning based Joint Relational Triple Extraction Framework},
author = {Luyao He and Zhongbao Zhang and Sen Su and Yuxin Chen},
journal= {arXiv preprint arXiv:2309.11853},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2112.04940 by other authors