IMoJIE：基于迭代记忆的联合开放信息抽取
计算与语言
2020-05-19 v1
摘要
传统开放信息抽取系统基于统计与规则，近期已有神经模型被引入该任务。我们的工作构建于 CopyAttention（一种序列生成式 OpenIE 模型，Cui 等人，2018）之上。我们的分析揭示，CopyAttention 对每句产生固定数量的抽取，且其抽取元组常表达冗余信息。我们提出 IMoJIE，作为 CopyAttention 的扩展，其以前所有已抽取元组为条件生成下一抽取。该方法克服了 CopyAttention 的两项缺陷，实现了每句可变数量且多样的抽取。我们在由多个非神经系统抽取结果自举得到的训练数据上训练 IMoJIE，这些数据经自动过滤以降低冗余与噪声。IMoJIE 以约 18 个 F1 点超越 CopyAttention，并以 2 个 F1 点超越基于 BERT 的强基线，确立了该任务的新 SOTA。
引用
@article{arxiv.2005.08178,
title = {IMoJIE: Iterative Memory-Based Joint Open Information Extraction},
author = {Keshav Kolluru and Samarth Aggarwal and Vipul Rathore and Mausam and Soumen Chakrabarti},
journal= {arXiv preprint arXiv:2005.08178},
year = {2020}
}