基于标签增强的序列生成关系抽取方法
计算与语言
2023-02-13 v2
摘要
序列生成通过引入大规模预训练 Seq2Seq 模型，在近期的信息抽取工作中展现出有前景的性能。本文研究了在关系抽取中采用序列生成的优点，发现以关系名或其同义词作为生成目标时，它们的文本语义及彼此间（就词序列模式而言）的相关性会影响模型性能。我们进而提出带自动标签增强的 Seq2Seq 模型 RELA（Relation Extraction with Label Augmentation，基于标签增强的关系抽取）用于关系抽取。所谓标签增强，是指为每个关系名生成语义同义词作为生成目标。此外，我们深入分析了 Seq2Seq 模型在处理关系抽取时的行为。实验结果表明，RELA 在四个关系抽取数据集上相较于以往方法取得了具有竞争力的结果。
引用
@article{arxiv.2212.14266,
title = {Sequence Generation with Label Augmentation for Relation Extraction},
author = {Bo Li and Dingyao Yu and Wei Ye and Jinglei Zhang and Shikun Zhang},
journal= {arXiv preprint arXiv:2212.14266},
year = {2023}
}
备注
AAAI2023 Regular Paper (oral)