HySPA：用于可扩展文本到图抽取的混合跨度生成方法
计算与语言
2021-07-01 v1
摘要
文本到图抽取旨在从自然语言文本中自动抽取由提及和类型组成的信息图。现有方法（如填表和成对打分）在各种信息抽取任务上展现出令人印象深刻的性能，但由于其对输入长度具有二阶空间/时间复杂度，难以扩展到具有更长输入文本的数据集。在本工作中，我们提出一种混合跨度生成器（HySPA），它将信息图可逆地映射为节点与边类型交替的序列，并通过混合跨度解码器直接生成此类序列，该解码器能以线性的时间与空间复杂度递归地解码跨度和类型。在ACE05数据集上的大量实验表明，我们的方法在联合实体与关系抽取任务上也显著优于最先进（SOTA）方法。
引用
@article{arxiv.2106.15838,
title = {HySPA: Hybrid Span Generation for Scalable Text-to-Graph Extraction},
author = {Liliang Ren and Chenkai Sun and Heng Ji and Julia Hockenmaier},
journal= {arXiv preprint arXiv:2106.15838},
year = {2021}
}
备注
Accepted by ACL 2021 Findings