句内与跨句边界的神经关系抽取
计算与语言
2019-01-15 v2 人工智能
信息检索
机器学习
摘要
过去的关系抽取工作大多聚焦于单句内实体对之间的二元关系。近来，NLP 社区对跨多个句子的实体对关系抽取产生了兴趣。本文中，我们针对该任务提出了一种新颖的架构：基于句间依赖的神经网络的网络（iDepNN）。iDepNN 通过循环与递归神经网络对最短及增广依赖路径建模，以抽取句内（intra-）与跨句（inter-）边界的关系。与 SVM 和神经网络基线相比，iDepNN 对跨句关系中的假阳性更具鲁棒性。我们在来自新闻专线（MUC6）与医学（BioNLP 共享任务）领域的四个数据集上评估了我们的模型，其取得了最先进的性能，并在跨句关系的精确率与召回率间展现出更好的平衡。我们的表现优于参与 BioNLP 共享任务 2016 的 11 支队伍，并在 F1 上比较获胜队伍获得 5.2%（0.587 对 0.558）的提升。我们还发布了 MUC6 的跨句标注。
引用
@article{arxiv.1810.05102,
title = {Neural Relation Extraction Within and Across Sentence Boundaries},
author = {Pankaj Gupta and Subburam Rajaram and Hinrich Schütze and Bernt Andrassy and Thomas Runkler},
journal= {arXiv preprint arXiv:1810.05102},
year = {2019}
}
备注
AAAI2019