基于集合预测网络的联合实体与关系抽取
计算与语言
2020-11-06 v2
摘要
联合实体与关系抽取任务旨在从句子中抽取所有关系三元组。本质上，句子中所含关系三元组是无序的。然而，以往基于 seq2seq 的模型在训练阶段需将三元组集合转换为序列。为打破该瓶颈，我们将联合实体与关系抽取视为直接的集合预测问题，使抽取模型摆脱预测多个三元组顺序的负担。为解决此集合预测问题，我们提出以具有非自回归并行解码的 transformers 为特征的网络。与按特定顺序逐一生成三元组的自回归方法不同，所提网络一次性直接输出最终三元组集合。此外，我们还设计了一种基于集合的损失，通过二分匹配强制唯一预测。与高度惩罚三元组顺序微小偏移的交叉熵损失相比，所提二分匹配损失对任意预测排列不变；因此，其可通过忽略三元组顺序并聚焦于关系类型与实体，为所提网络提供更准确的训练信号。在两个基准数据集上的实验表明，我们提出的模型显著优于当前最先进方法。训练代码与训练模型将发布于 http://github.com/DianboWork/SPN4RE。
引用
@article{arxiv.2011.01675,
title = {Joint Entity and Relation Extraction with Set Prediction Networks},
author = {Dianbo Sui and Yubo Chen and Kang Liu and Jun Zhao and Xiangrong Zeng and Shengping Liu},
journal= {arXiv preprint arXiv:2011.01675},
year = {2020}
}