CopyMTL：基于多任务学习并带复制机制的人物与关系联合抽取模型
计算与语言
2020-09-17 v2 机器学习
摘要
实体与关系的联合抽取因其在两项任务上提供更高性能的潜力而受到显著关注。在现有方法中，CopyRE 有效且新颖，其使用序列到序列框架与复制机制直接生成关系三元组。然而，它存在两个严重问题。该模型在区分头实体与尾实体上极弱，导致实体抽取不准确。它也无法预测多词实体（如 Steven Jobs）。为解决这些问题，我们详细分析了实体抽取不准确问题背后的原因，并提出了一种简单但极有效的模型结构来解决该问题。此外，我们提出了一种配备复制机制的多任务学习框架，称为 CopyMTL，以使模型能够预测多词实体。实验揭示了 CopyRE 的问题，并表明我们的模型在 NYT 上以 F1 分数比当前最优方法显著提升 9%，在 WebNLG 上提升 16%。我们的代码见 https://github.com/WindChimeRan/CopyMTL
引用
@article{arxiv.1911.10438,
title = {CopyMTL: Copy Mechanism for Joint Extraction of Entities and Relations with Multi-Task Learning},
author = {Daojian Zeng and Ranran Haoran Zhang and Qianying Liu},
journal= {arXiv preprint arXiv:1911.10438},
year = {2020}
}
备注
AAAI 2020