DWIE：一个用于多任务文档级信息抽取的实体中心数据集
计算与语言
2021-03-10 v2
摘要
本文提出 DWIE，即“Deutsche Welle 信息抽取语料库”，一个新建的多任务数据集，它结合了四个主要的信息抽取（IE）标注子任务：(i) 命名实体识别（NER）、(ii) 共指消解、(iii) 关系抽取（RE）和 (iv) 实体链接。DWIE 被构想为一个实体中心数据集，在完整文档层面上描述概念实体的交互与属性。这与当前占主导的提及驱动方法形成对比，后者从单个句子中命名实体提及的检测与分类出发。此外，在为其构建和评估 IE 模型时，DWIE 提出了两个主要挑战。首先，在实体中心的 DWIE 数据集上，对 NER 和 RE 任务使用传统的提及级评估指标可能导致测量结果被更频繁提及的实体的预测所主导。我们通过提出一种新的实体驱动指标来解决此问题，该指标考虑了组成每个预测实体与真实实体的提及数量。其次，文档级多任务标注要求模型在联合学习设置中，在位于文档不同部分的实体提及之间以及不同任务之间传递信息。为此，我们提出在文档级提及跨度之间使用基于图的神经消息传递技术。我们的实验表明，将神经图传播纳入联合模型可带来最高 5.5 个 F1 百分点的提升。这证明了 DWIE 在刺激多任务 IE 中用于表示学习的图神经网络进一步研究方面的潜力。我们在 https://github.com/klimzaporojets/DWIE 公开提供 DWIE。
引用
@article{arxiv.2009.12626,
title = {DWIE: an entity-centric dataset for multi-task document-level information extraction},
author = {Klim Zaporojets and Johannes Deleu and Chris Develder and Thomas Demeester},
journal= {arXiv preprint arXiv:2009.12626},
year = {2021}
}