面向实体关系抽取的有效多任务交互：一种基于选择循环网络的统一框架
计算与语言
2022-02-16 v1
摘要
实体关系抽取旨在联合解决命名实体识别（NER）和关系抽取（RE）。近期方法或以流水线方式使用单向序列信息传播，或使用共享编码器进行双向隐式交互。然而，由于 NER 与 RE 任务形式不同所带来的鸿沟，它们仍受制于较差的信息交互，引发了一个争议性问题：RE 是否真的有益于 NER。受此启发，我们提出了一种新颖且统一的级联框架，结合了序列信息传播与隐式交互两者的优势。同时，它通过将实体关系抽取重构为统一的跨度抽取任务，消除了两个任务间的鸿沟。具体而言，我们提出一种选择循环网络作为共享编码器，以编码任务特定的独立与共享表示，并设计两种序列信息传播策略来实现 NER 与 RE 间的序列信息流。大量实验表明，我们的方法在两个常用基准 ACE05 和 SciERC 上取得了最先进（state-of-the-art）结果，并有效建模了多任务交互，实现了 NER 与 RE 的显著互益。
引用
@article{arxiv.2202.07281,
title = {Towards Effective Multi-Task Interaction for Entity-Relation Extraction: A Unified Framework with Selection Recurrent Network},
author = {An Wang and Ao Liu and Hieu Hanh Le and Haruo Yokota},
journal= {arXiv preprint arXiv:2202.07281},
year = {2022}
}