TPLinker：通过词对链接的单阶段实体与关系联合抽取
计算与语言
2020-10-27 v1
摘要
从非结构化文本中抽取实体与关系近年来受到越来越多的关注，但由于识别共享实体的重叠关系存在内在困难，仍具挑战性。已有工作表明联合学习可带来显著的性能提升。然而，它们通常涉及顺序相关的步骤，并受暴露偏差问题困扰。训练时它们基于真实条件进行预测，而推理时须从零开始抽取。这种差异导致误差累积。为缓解该问题，本文提出一种单阶段联合抽取模型，即 TPLinker，其能够发现共享一个或两个实体的重叠关系，且不受暴露偏差影响。TPLinker 将联合抽取表述为词对链接问题，并引入一种新颖的握手标注方案，以在各关系类型下对齐实体对的边界词元。实验结果表明，TPLinker 在重叠与多重关系抽取上表现显著更优，并在两个公开数据集上取得 SOTA 性能。
引用
@article{arxiv.2010.13415,
title = {TPLinker: Single-stage Joint Extraction of Entities and Relations Through Token Pair Linking},
author = {Yucheng Wang and Bowen Yu and Yueyang Zhang and Tingwen Liu and Hongsong Zhu and Limin Sun},
journal= {arXiv preprint arXiv:2010.13415},
year = {2020}
}
备注
COLING 2020