使用图状态 LSTM 的 N 元关系抽取
计算与语言
2018-08-29 v1
摘要
跨句 元关系抽取检测跨多个句子的 个实体间的关系。典型方法将输入表述为\textit{文档图}，整合各种句内与句间依赖。当前最优方法将输入图拆分为两个 DAG，各自采用 DAG 结构 LSTM。尽管能够利用图边建模丰富的语言知识，重要信息可能在拆分过程中丢失。我们提出一种图状态 LSTM 模型，其使用并行状态建模每个词，通过消息传递递归地丰富状态值。与 DAG LSTM 相比，我们的图 LSTM 保持原始图结构，并通过允许更多并行化加速计算。在标准基准上，我们的模型展示了文献中的最佳结果。
引用
@article{arxiv.1808.09101,
title = {N-ary Relation Extraction using Graph State LSTM},
author = {Linfeng Song and Yue Zhang and Zhiguo Wang and Daniel Gildea},
journal= {arXiv preprint arXiv:1808.09101},
year = {2018}
}
备注
EMNLP 18 camera ready