UniEX：一种基于片段抽取视角的统一信息抽取高效框架
计算与语言
2023-05-23 v3 人工智能
摘要
我们提出了一种通用信息抽取（IE）的新范式，该范式兼容任意模式格式，并适用于一系列 IE 任务，如命名实体识别、关系抽取、事件抽取和情感分析。我们的方法将基于文本的 IE 任务转化为词元对问题，借助统一的抽取框架（即 UniEX）将所有抽取目标统一拆解为联合片段检测、分类与关联问题。UniEX 可同步编码基于模式的提示与文本信息，并利用自编码语言模型从预定义信息中协同学习泛化知识。我们提出了一种 traffine 注意力机制，以整合任务、标签和内部词元等异质因素，并通过打分矩阵获得抽取目标。实验结果表明，在监督设定下，UniEX 在 个基准 IE 数据集上的性能与推理速度均优于生成式通用 IE 模型。在低资源场景中的最优性能也验证了 UniEX 的可迁移性与有效性。
引用
@article{arxiv.2305.10306,
title = {UniEX: An Effective and Efficient Framework for Unified Information Extraction via a Span-extractive Perspective},
author = {Ping Yang and Junyu Lu and Ruyi Gan and Junjie Wang and Yuxiang Zhang and Jiaxing Zhang and Pingjian Zhang},
journal= {arXiv preprint arXiv:2305.10306},
year = {2023}
}