CARE:用于联合实体与关系抽取的协同注意力网络
计算与语言
2024-03-28 v2
摘要
联合实体与关系抽取是信息抽取的基础任务,由两个子任务组成:命名实体识别与关系抽取。然而,大多数现有联合抽取方法存在特征混淆或两子任务间交互不足的问题。针对这些挑战,本文中我们提出一种用于联合实体与关系抽取的协同注意力网络(CARE)。我们的方法采用并行编码策略为每个子任务学习独立表示,以避免特征重叠或混淆。我们方法的核心是可捕获两子任务间双向交互的协同注意力模块,使模型能利用实体信息预测关系,反之亦然,从而促进相互增强。通过在三个联合实体与关系抽取基准数据集(NYT、WebNLG 和 SciERC)上的大量实验,我们证明了所提模型优于现有基线模型。我们的代码将发布于 https://github.com/kwj0x7f/CARE。
引用
@article{arxiv.2308.12531,
title = {CARE: Co-Attention Network for Joint Entity and Relation Extraction},
author = {Wenjun Kong and Yamei Xia},
journal= {arXiv preprint arXiv:2308.12531},
year = {2024}
}
备注
Accepted by LREC-COLING 2024