论文笔记 NAACL 2019|A General Framework for Information Extraction using Dynamic Span Graphs

1 简介

论文题目：A General Framework for Information Extraction using Dynamic Span Graphs
论文来源：NAACL 2019
论文链接：https://arxiv.org/pdf/1904.03296.pdf
代码链接：https://github.com/luanyi/DyGIE

1. 1 创新

• 提出一个框架进行命名实体识别和关系抽取，使用动态区间图进行传播全局上下文信息(共指解析作为辅助任务)。

2 方法

整个实验框架如上图所示，总共分为下面5部分：

• token表示层：每个token编码包括GLove和ELMO，然后经过双向LSTM编码。
• 区间表示层：每个区间表示包括左右结点的token表示、an attention-based soft “headword和区间的长度特征编码。
• 共指传播层：每个区间的更新部分的计算公式如下(其中$P_C^t(i,j)$为共指分数)：
  
  
• 关系传播层：关系区间的更新部分的计算公式如下(V_R^t表示不同关系类型的分数,$A_R$帮助学习不同的表示(对于一个关系区间，不要求两个结点表示相似))：
  
  下面公式对区间进行更新：
  
• 预测层：分类层进行分类。

loss函数如下：

3 实验

在不同数据集下的实验效果：

重叠实体抽取的实验效果：

消融实验结果：

共指传播在实体抽取的消融实验结果如下：

关系传播在关系抽取中的消融实验结果如下：

迭代次数的实验结果：