RED$^{\rm FM}$：一个经过过滤的多语言关系抽取数据集

关系抽取(RE)是一项识别文本中实体间关系的任务，可实现关系事实的获取并弥合自然语言与结构化知识之间的鸿沟。然而，当前的RE模型通常依赖于覆盖关系类型少的小型数据集，尤其是在处理英语以外的语言时。在本文中，我们解决上述问题并提供两种新资源，以支持多语言RE系统的训练与评估。首先，我们提出SRED$^{\rm FM}$，一个自动标注的数据集，覆盖18种语言、400种关系类型、13种实体类型，总计超过4000万三元组实例。其次，我们提出RED$^{\rm FM}$，一个更小的人工修订数据集，用于七种语言，可对多语言RE系统进行评估。为展示这些新数据集的效用，我们使用首个端到端多语言RE模型mREBEL进行实验，该模型可抽取多种语言中的三元组（包括实体类型）。我们在https://www.github.com/babelscape/rebel发布我们的资源与模型检查点。