基于上下文化跨度表示的实体、关系与事件抽取
计算与语言
2019-09-11 v2
摘要
我们考察了一个统一的、多任务框架在三项信息抽取任务上的能力：命名实体识别、关系抽取与事件抽取。我们的框架（称为 DyGIE++）通过枚举、精炼和评分旨在捕捉局部（句内）与全局（跨句）上下文的文本跨度来完成所有任务。我们的框架在来自多个领域的四个数据集上取得了所有任务的当前最优（state-of-the-art）结果。我们进行了比较不同技术以构建跨度表示的实验。诸如 BERT 的上下文化嵌入在捕捉同一或相邻句子中实体间关系方面表现良好，而动态跨度图更新则建模长距离跨句关系。例如，通过预测的指代链接传播跨度表示可使模型消歧具有挑战性的实体提及。我们的代码公开于 https://github.com/dwadden/dygiepp，并可轻易适配新任务或数据集。
引用
@article{arxiv.1909.03546,
title = {Entity, Relation, and Event Extraction with Contextualized Span Representations},
author = {David Wadden and Ulme Wennberg and Yi Luan and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:1909.03546},
year = {2019}
}
备注
EMNLP 2019