用于开放类型关系论元抽取的神经网络架构
计算与语言
2019-04-03 v2
摘要
在本文中，我们引入开放类型关系论元抽取（ORAE）任务：给定语料库、查询实体 Q 和知识库关系（例如“Q 创作了标题为 X 的著名作品”），模型需从语料库中抽取出非标准实体类型的论元（无法由标准命名实体标注器抽取的实体，例如 X：一本书或艺术作品的标题）。我们获取并发布了一个基于 WikiData 关系的远程监督数据集以处理该任务。我们为这一任务开发并比较了多种神经网络模型，相较使用神经问答系统得到的强基线有大幅提升。我们系统比较了不同句子编码架构与答案抽取方法的影响。基于门控循环单元并结合条件随机场标注器的编码器取得了最佳结果。
引用
@article{arxiv.1803.01707,
title = {Neural Architectures for Open-Type Relation Argument Extraction},
author = {Benjamin Roth and Costanza Conforti and Nina Poerner and Sanjeev Karn and Hinrich Schütze},
journal= {arXiv preprint arXiv:1803.01707},
year = {2019}
}