基础思路
关系抽取乍看之下是三元组 ( s , p , o ) (s,p,o) (s,p,o)(即subject, predicate, object)的抽取,但落到具体实现上,它实际是“五元组” ( s h , s t , p , o h , o t ) (s_h,s_t,p,o_h,o_t) (sh,st,p,oh,ot) 的抽取,其中 s h , s t s_h,s_t sh,st 分别是 s s s 的首、尾位置,而 o h , o t o_h,o_t oh,ot 则分别是 o o o 的首、尾位置。
从概率图的角度来看,我们可以这样构建模型:
- 设计一个五元组的打分函数 S ( s h , s t , p , o h , o t ) S(s_h,s_t,p,o_h,o_t) S(sh,st,p,oh,ot);
- 训练时让标注的五元组 S ( s h , s t , p , o h , o t ) > 0 S(s_h,s_t,p,o_h,o_t) > 0 S(sh,st,p,oh,ot)>0,其余五元组则 S ( s h , s t , p , o h , o t ) < 0 S(s_h,s_t,p,o_h,o_t) < 0 S(sh,st,p,oh,ot)<0;
- 预测时枚举所有可能的五元组,输出 S ( s h , s t , p , o h , o t ) > 0 S(s_h,s_t,p,o_h,o_t) > 0 S(sh,st,p,oh,ot)>0 的部分。
然而,直接枚举所有的五元组数目太多,假设句子长度为 l l l, p p p的总数为 n n n,即便加上 s h ≤ s t s_h≤s_t sh≤st 和 o h ≤ o t o_h≤o_t oh≤ot 的约束,所有五元组的数目也有
n × l ( l + 1 ) 2 × l ( l + 1 ) 2 = 1 4 n l 2 ( l + 1 ) 2 \begin{aligned} n\times \frac{l(l+1)}{2}\times \frac{l(l+1)}{2}=\frac{1}{4}nl^2(l+1)^2 \end{aligned} n×2l(l+1)×2l(l+1)=41nl2(l+1)2
这是长度的四次方级别的计算量,实际情况下难以实现,所以必须做一些简化。
简化分解
以我们目前的算力来看,一般最多也就能接受长度平方级别的计算量,所以我们每次顶多能识别“一对”首或尾,为此,我们可以用以下的分解:
S
(
s
h
,
s
t
,
p
,
o
h
,
o
t
)
=
S
(
s
h
,
s
t
)
+
S
(
o
h
,
o
t
)
+
S
(
s
h
,
o
h
∣
p
)
+
S
(
s
t
,
o
t
∣
p
)
\begin{aligned} S(s_h,s_t,p,o_h,o_t) = S(s_h,s_t) + S(o_h,o_t) + S(s_h,o_h| p) + S(s_t, o_t| p) \end{aligned}
S(sh,st,p,oh,ot)=S(sh,st)+S(oh,ot)+S(sh,oh∣p)+S(st,ot∣p)
要注意的是,该等式属于模型假设,是基于我们对任务的理解以及算力的限制所设计出来的,而不是理论推导出来的。其中,每一项都具直观的意义,比如:
- S ( s h , s t ) S(s_h,s_t) S(sh,st)、 S ( o h , o t ) S(o_h,o_t) S(oh,ot) 分别是subject、object的首尾打分,通过 S ( s h , o h ∣ p ) S(s_h,o_h|p) S(sh,oh∣p) 和 S ( o h , o t ) > 0 S(o_h,o_t) > 0 S(oh,ot)>0 来析出所有的subject和object。
- 至于后两项,则是predicate的匹配:
- S ( s h , o h ∣ p ) S(s_h,o_h|p) S(sh,oh∣p) 这一项代表以subject和object的首特征作为它们自身的表征来进行一次匹配,如果我们能确保subject内和object内是没有嵌套实体的,那么理论上 S ( s h , o h ∣ p ) > 0 S(s_h,o_h|p) > 0 S(sh,oh∣p)>0 就足够析出所有的predicate了,但考虑到存在嵌套实体的可能,所以我们还要对实体的尾再进行一次匹配,即 S ( s t , o t ∣ p ) S(s_t, o_t|p) S(st,ot∣p) 这一项。
此时,训练和预测过程变为:
- 训练时让标注的五元组 S ( s h , s t ) > 0 S(s_h,s_t) > 0 S(sh,st)>0、 S ( o h , o t ) > 0 S(o_h,o_t) > 0 S(oh,ot)>0、 S ( s h , o h ∣ p ) > 0 S(s_h,o_h| p) > 0 S(sh,oh∣p)>0、 S ( s t , o t ∣ p ) > 0 S(s_t, o_t| p) > 0 S(st,ot∣p)>0,其余五元组则 S ( s h , s t ) < 0 S(s_h,s_t) < 0 S(sh,st)<0、 S ( o h , o t ) < 0 S(o_h,o_t) < 0 S(oh,ot)<0、 S ( s h , o h ∣ p ) < 0 S(s_h,o_h| p) < 0 S(sh,oh∣p)<0、 S ( s t , o t ∣ p ) < 0 S(s_t, o_t| p) < 0 S(st,ot∣p)<0;
- 预测时枚举所有可能的五元组,逐次输出 S ( s h , s t ) > 0 S(s_h,s_t) > 0 S(sh,st)>0、 S ( o h , o t ) > 0 S(o_h,o_t) > 0 S(oh,ot)>0、 S ( s h , o h ∣ p ) > 0 S(s_h,o_h| p) > 0 S(sh,oh∣p)>0、 S ( s t , o t ∣ p ) > 0 S(s_t, o_t| p) > 0 S(st,ot∣p)>0 的部分,然后取它们的交集作为最终的输出(即同时满足4个条件)。
在实现上:
- 由于 S ( s h , s t ) S(s_h,s_t) S(sh,st)、 S ( o h , o t ) S(o_h,o_t) S(oh,ot) 是用来识别subject、object对应的实体的,它相当于有两种实体类型的NER任务,所以我们可以用一个GlobalPointer来完成;
- 至于 S ( s h , o h ∣ p ) S(s_h,o_h| p) S(sh,oh∣p),它是用来识别predicate为 p p p 的 ( s h , o h ) (s_h,o_h) (sh,oh) 对,跟NER不同的是,它这里不需要 s h ≤ o h s_h≤o_h sh≤oh 的约束,这里我们同样用GlobalPointer来完成,但为了识别出 s h > o h s_h>o_h sh>oh 的部分,要去掉GlobalPointer默认的下三角mask;最后 S ( s t , o t ∣ p ) S(s_t,o_t|p) S(st,ot∣p) 跟 S ( s h , o h ∣ p ) S(s_h,o_h|p) S(sh,oh∣p) 同理,不再赘述。
这里再回顾一遍:我们知道,作为NER模块,GlobalPointer可以统一识别嵌套和非嵌套的实体,而这是它基于token-pair的识别来做到的。所以,我们应该进一步将GlobalPointer理解为一个token-pair的识别模型,而不是局限在NER范围内理解它。认识到这一点之后,我们就能明白上述 S ( s h , s t ) S(s_h,s_t) S(sh,st)、 S ( o h , o t ) S(o_h,o_t) S(oh,ot)、 S ( s h , o h ∣ p ) S(s_h,o_h| p) S(sh,oh∣p)、 S ( s t , o t ∣ p ) S(s_t, o_t|p) S(st,ot∣p) 其实都可以用GlobalPointer来实现了,而要不要加下三角mask,则自行根据具体任务背景设置就好。
损失函数
现在我们已经把打分函数都设计好了,那么为了训练模型,就差损失函数了。这里继续使用GlobalPointer默认使用的、在 《将“softmax+交叉熵”推广到多标签分类问题》 中提出的多标签交叉熵,它的一般形式为:
log ( 1 + ∑ i ∈ P e − S i ) + log ( 1 + ∑ i ∈ N e S i ) \begin{aligned} \log \left(1 + \sum\limits_{i\in \mathcal{P}} e^{-S_i}\right) + \log \left(1 + \sum\limits_{i\in \mathcal{N}} e^{S_i}\right) \end{aligned} log(1+i∈P∑e−Si)+log(1+i∈N∑eSi)
实验结果
为了方便称呼,我们暂且将上述模型称为GPLinker(GlobalPointer-based Linking),一个基于bert4keras的参考实现如下:
脚本链接:task_relation_extraction_gplinker.py
在LIC2019上的实验结果如下(CasRel的代码为task_relation_extraction.py):
模型 F1 CasRel 0.8220 GPLinker (Standard) 0.8272 GPLinker (Efficient) 0.8268 \begin{array}{c|c} \hline \text{模型} & \text{F1} \\ \hline \text{CasRel} & 0.8220 \\ \text{GPLinker (Standard)} & 0.8272\\ \text{GPLinker (Efficient)} & 0.8268\\ \hline \end{array} 模型CasRelGPLinker (Standard)GPLinker (Efficient)F10.82200.82720.8268
预训练模型是BERT base,Standard和Efficient的区别是分别使用了标准版GlobalPointer和Efficient GlobalPointer。该实验结果说明了两件事情,一是GPLinker确实比CasRel更加有效,二是Efficient GlobalPointer的设计确实能在更少参数的情况下媲美标准版GlobalPointer的效果。要知道在LIC2019这个任务下,如果使用标准版GlobalPointer,那么GPLinker的参数量接近1千万,而用Efficient GlobalPointer的话只有30万左右。
此外,在3090上,相比于“multi hot”版的多标签交叉熵,使用稀疏版多标签交叉熵的模型在训练速度上能提高1.5倍而不会损失精度,跟CasRel相比,使用了稀疏版多标签交叉熵的GPLinker在训练速度上只慢15%,但是解码速度快将近一倍,算得上又快又好了。
相关工作
而对于了解这两年关系抽取SOTA模型进展的同学来说,理解上述模型后,会发现它跟TPLinker是非常相似的。确实如此,模型在设计之初确实充分借鉴了TPLinker,最后的结果也同样跟TPLinker很相似。
大体上来说,TPLinker与GPLinker的区别如下:
- TPLinker的token-pair分类特征是首尾特征后拼接做Dense变换得到的,其思想来源于Additive Attention;GPLinker则是用GlobalPointer实现,其思想来源于Scaled Dot-Product Attention。平均来说,后者拥有更少的显存占用和更快的计算速度。
- GPLinker分开识别subject和object的实体,而TPLinker将subject和object混合起来统一识别。笔者也在GPLinker中尝试了混合识别,发现最终效果跟分开识别没有明显区别。
- 在 S ( s h , o h ∣ p ) S(s_h,o_h|p) S(sh,oh∣p) 和 S ( s t , o t ∣ p ) S(s_t,o_t|p) S(st,ot∣p),TPLinker将其转化为了 l ( l + 1 ) 2 \cfrac{l(l+1)}{2} 2l(l+1) 个3分类问题,这会有明显的类别不平衡问题;而GPLinker用到了笔者提出的多标签交叉熵,则不会存在不平衡问题,更容易训练。事实上后来TPLinker也意识到了这个问题,并提出了TPLinker-plus,其中也用到了该多标签交叉熵。
当然,在笔者看来,本文的最主要贡献,并不是提出GPLinker的这些改动,而是对关系联合抽取模型进行一次“自上而下”的理解:从开始的五元组打分 S ( s h , s t , p , o h , o t ) S(s_h,s_t,p,o_h,o_t) S(sh,st,p,oh,ot) 出发,分析其难处,然后简化分解式 S ( s h , s t , p , o h , o t ) = S ( s h , s t ) + S ( o h , o t ) + S ( s h , o h ∣ p ) + S ( s t , o t ∣ p ) \begin{aligned}S(s_h,s_t,p,o_h,o_t) = S(s_h,s_t) + S(o_h,o_t) + S(s_h,o_h| p) + S(s_t, o_t| p)\end{aligned} S(sh,st,p,oh,ot)=S(sh,st)+S(oh,ot)+S(sh,oh∣p)+S(st,ot∣p) 来“逐个击破”。希望这个自上而下的理解过程,能给读者在为更复杂的任务设计模型时提供一定的思路。
参考资料:
GPLinker:基于GlobalPointer的实体关系联合抽取
关系抽取:TPLinker与GPLinker在讲些什么
GPLinker:基于GlobalPointer的实体关系联合抽取
GPLinker:基于GlobalPointer的事件联合抽取