融合序列标注机制的基于跨度的实体与关系联合抽取
计算与语言
2022-10-25 v1
摘要
基于跨度的联合抽取以文本跨度形式同时执行命名实体识别(NER)与关系抽取(RE)。然而，由于先前的基于跨度的模型依赖于跨度级分类，它们无法利用词元级标签信息，而后者已被证明对该任务有利。本文提出序列标注增强的基于跨度的网络(STSN)，一种能够利用词元级标签信息的基于跨度的联合模型。在STSN中，我们通过深度堆叠多个注意力层构建核心神经架构，每层由三个基本注意力单元组成。一方面，该核心架构使模型能通过序列标注机制学习词元级标签信息，并将其用于基于跨度的联合抽取；另一方面，它在NER与RE之间建立了双向信息交互。在三个基准数据集上的实验结果表明，STSN在F1值上持续优于最强基线，创造了新的SOTA结果。
引用
@article{arxiv.2210.12720,
title = {Span-based joint entity and relation extraction augmented with sequence tagging mechanism},
author = {Bin Ji and Shasha Li and Hao Xu and Jie Yu and Jun Ma and Huijun Liu and Jing Yang},
journal= {arXiv preprint arXiv:2210.12720},
year = {2022}
}
备注
Accept by Science China-Information Sciences