面向科学知识图谱构建的实体、关系与共指多任务识别
计算与语言
2018-08-30 v1
摘要
我们提出了一种在科学文献中识别并分类实体、关系与共指簇的多任务设置。我们创建了SciERC数据集，包含全部三项任务的标注，并开发了称为Scientific Information Extractor (SciIE)的统一框架，其具有共享的跨度表示。该多任务设置减少了任务间的级联错误，并通过共指链接利用了跨句关系。实验表明，我们的多任务模型在不使用任何领域特定特征的情况下，优于以往的科学信息抽取模型。我们进一步表明，该框架支持科学知识图谱的构建，并借此分析科学文献中的信息。
引用
@article{arxiv.1808.09602,
title = {Multi-Task Identification of Entities, Relations, and Coreference for Scientific Knowledge Graph Construction},
author = {Yi Luan and Luheng He and Mari Ostendorf and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:1808.09602},
year = {2018}
}