基于相似性的记忆增强联合实体与关系抽取
计算与语言
2023-07-25 v1 机器学习
摘要
文档级联合实体与关系抽取是一项具有挑战性的信息抽取问题，需要一种统一的方法，即由单个神经网络执行四个子任务：提及检测、共指消解、实体分类和关系抽取。现有方法通常采用顺序多任务学习策略，其中任意的分解导致当前任务仅依赖于前一个任务，忽略了它们之间可能存在的更复杂关系。本文提出一种具有任务间双向类记忆依赖的多任务学习框架，以解决这些缺陷并更准确地处理联合问题。我们的实证研究表明，所提方法优于现有方法，并在 BioCreative V CDR 语料库上取得了最先进（SOTA）的结果。
引用
@article{arxiv.2307.11762,
title = {Similarity-based Memory Enhanced Joint Entity and Relation Extraction},
author = {Witold Kosciukiewicz and Mateusz Wojcik and Tomasz Kajdanowicz and Adam Gonczarek},
journal= {arXiv preprint arXiv:2307.11762},
year = {2023}
}