用于槽填充的类型感知卷积神经网络

槽填充任务旨在从文本中提取关于实体查询的答案，例如“谁创立了苹果公司”。在本文中，我们关注槽填充系统的关系分类组件。我们提出类型感知卷积神经网络，以利用实体分类与关系分类之间的相互依赖关系。具体而言，我们探索了将关系参数的命名实体类型整合到用于关系分类的神经网络中的不同方式，包括联合训练与结构化预测方法。据我们所知，这是关于用于槽填充的类型感知神经网络的首次研究。类型感知模型在我们槽填充流水线中取得了最佳结果。联合训练的性能与结构化预测相当。为了理解槽填充流水线中不同组件的影响，我们进行了召回率分析、人工错误分析以及若干消融研究。此类分析对其他槽填充研究者尤为重要，因为官方槽填充评估仅评估流水线输出。分析表明，尤其是共指消解和我们的卷积神经网络对槽填充流水线的最终性能有较大的正向影响。所提出的模型、我们系统的源代码以及我们的共指资源均已公开可用。