通过序列标注机制提升基于片段的联合实体与关系抽取

基于片段（span-based）的联合抽取以文本片段形式同时执行命名实体识别（NER）与关系抽取（RE）。近期研究表明，词符标签可传达关键的任务特定信息并丰富词符语义。然而，据我们所知，由于完全回避序列标注机制，以往所有基于片段的工作均未能利用词符标签信息。为解决此问题，我们提出序列标注增强的基于片段网络（STSN），一种由基于序列标注的 NER 所得词符 BIO 标签信息增强的基于片段的联合抽取网络。通过在深度上堆叠多个注意力层，我们设计了深度神经架构以构建 STSN，且每层注意力由三个基本注意力单元组成。该深度神经架构首先学习词符标签与基于片段联合抽取的语义表示，继而构建二者间的信息交互，也实现了基于片段的 NER 与 RE 间的双向信息交互。此外，我们扩展 BIO 标注方案使 STSN 可抽取重叠实体。在三个基准数据集上的实验表明，我们的模型以较大幅度持续优于以往最优模型，创造了新的 SOTA 结果。