GRAPHCACHE：以消息传递作缓存的句子级关系抽取
计算与语言
2022-05-10 v1 人工智能
信息检索
摘要
实体类型和文本上下文是句子级关系抽取（RE）的本质属性。现有工作仅在这些属性于单个实例内部进行编码，在单句特征不足的情况下限制了 RE 的性能。相比之下，我们从整个数据集建模这些属性，并利用数据集级信息来丰富每个实例的语义。我们提出 GRAPHCACHE（图神经网络作缓存）模块，在句子间传播特征以学习更好的 RE 表示。GRAPHCACHE 聚合整个数据集中句子的特征来学习属性的全局表示，并用其增强单个句子内的局部特征。全局属性特征充当 RE 的数据集级先验知识，并作为句子级特征的补充。受计算机系统中经典缓存技术启发，我们开发 GRAPHCACHE 以在线方式更新属性表示。总体而言，GRAPHCACHE 在 RE 上取得了显著的有效性提升，并实现了数据集中所有句子间的高效消息传递。
引用
@article{arxiv.2205.03786,
title = {GRAPHCACHE: Message Passing as Caching for Sentence-Level Relation Extraction},
author = {Yiwei Wang and Muhao Chen and Wenxuan Zhou and Yujun Cai and Yuxuan Liang and Bryan Hooi},
journal= {arXiv preprint arXiv:2205.03786},
year = {2022}
}
备注
NAACL 2022 (Findings)