基于一种新颖分解策略的实体与关系联合抽取
计算与语言
2020-02-20 v3
摘要
实体与关系联合抽取旨在使用单一模型检测实体对及其关系。先前工作通常以先抽取后分类或统一标注的方式解决该任务。然而，这些方法要么受冗余实体对之苦，要么在抽取实体与关系过程中忽略了重要的内部结构。为应对这些局限，本文首先将联合抽取任务分解为两个相互关联的子任务，即 HE 抽取与 TER 抽取。前一子任务用于区分所有可能涉及目标关系的头实体，后一子任务为每个抽取出的头实体识别相应的尾实体与关系。接下来，基于我们提出的基于跨度的标注方案，这两个子任务被进一步解构为若干序列标注问题，并由一个分层边界标注器与多跨度解码算法便捷求解。得益于合理的分解策略，我们的模型能充分捕捉不同步骤间的语义相互依赖，并减少来自无关实体对的噪声。实验结果表明，我们的方法在三个公开数据集上以 5.2%、5.9% 和 21.5%（F1 分数）优于先前工作，达到了新的 SOTA。
引用
@article{arxiv.1909.04273,
title = {Joint Extraction of Entities and Relations Based on a Novel Decomposition Strategy},
author = {Bowen Yu and Zhenyu Zhang and Xiaobo Shu and Yubin Wang and Tingwen Liu and Bin Wang and Sujian Li},
journal= {arXiv preprint arXiv:1909.04273},
year = {2020}
}
备注
Accepted by ECAI 2020. Code and data are available at https://github.com/yubowen-ph/JointER