GDPNet：精炼隐式多视图图用于关系抽取
计算与语言
2023-04-26 v1
摘要
关系抽取（RE）旨在预测一段文本（如句子或对话）中所提及两个实体之间的关系类型。当给定文本较长时，识别对关系预测具有指示性的词颇具挑战。近期 RE 任务的进展来自基于 BERT 的序列建模以及对序列中词元间关系基于图的建模。本文中，我们提出构建隐式多视图图以捕捉词元间各种可能的关系，随后精炼该图以筛选对关系预测重要的词。最后，将精炼图的表示与基于 BERT 的序列表示拼接用于关系抽取。具体而言，在我们提出的 GDPNet（高斯动态时间规整池化网络）中，我们利用高斯图生成器（GGG）生成多视图图的边，再通过动态时间规整池化（DTWPool）精炼该图。在 DialogRE 与 TACRED 上，我们表明 GDPNet 在对话级 RE 上取得最佳性能，在句子级 RE 上与最先进方法性能相当。
引用
@article{arxiv.2012.06780,
title = {GDPNet: Refining Latent Multi-View Graph for Relation Extraction},
author = {Fuzhao Xue and Aixin Sun and Hao Zhang and Eng Siong Chng},
journal= {arXiv preprint arXiv:2012.06780},
year = {2023}
}
备注
To appear at AAAI 2021