将实体-关系抽取视为多轮问答
计算与语言
2019-09-05 v4
摘要
在本文中，我们针对实体-关系抽取任务提出一种新的范式。我们将该任务转化为多轮问答问题，即实体与关系的抽取被转换为从上下文中识别答案片段的任务。这种多轮问答形式化具有几个关键优势：首先，问题查询编码了我们要识别的实体/关系类别的重要信息；其次，问答为联合建模实体与关系提供了自然方式；第三，它使我们能够利用发展良好的机器阅读理解（MRC）模型。在ACE和CoNLL04语料库上的实验表明，所提出的范式显著优于先前的最佳模型。我们能够在ACE04、ACE05和CoNLL04所有数据集上取得最先进的（SOTA）结果，将三个数据集上的SOTA结果分别提升至49.4（+1.0）、60.2（+0.6）和68.9（+2.1）。此外，我们构建了一个新开发的中文数据集RESUME，其需要多步推理来构建实体依赖，而非先前数据集中三元组抽取的单步依赖抽取。所提出的多轮问答模型在RESUME数据集上也取得了最佳性能。
关键词
引用
@article{arxiv.1905.05529,
title = {Entity-Relation Extraction as Multi-Turn Question Answering},
author = {Xiaoya Li and Fan Yin and Zijun Sun and Xiayu Li and Arianna Yuan and Duo Chai and Mingxin Zhou and Jiwei Li},
journal= {arXiv preprint arXiv:1905.05529},
year = {2019}
}
备注
to appear at ACL2019