论文指出，联合模型在实体和关系抽取中的性能受限于信息捕捉的差异。为了改进，提出从输入层开始融合实体和关系信息，并考虑实体对的上下文，增强全局语义，以此提升关系抽取的准确性。PURE模型采用管道(Pipeline)方法，分别训练实体和关系模型。
论文中的动机：
- 联合模型在实体抽取与关系抽取共享一个编码器会影响抽取性能，因为实体和关系抽取两个任务需要关注捕捉的信息是不同的
- 实体信息（例如实体边界和实体类型）对关系抽取至关重要，尽早融合到关系识别（尽早融合的意思是从input layer那层就开始融合，而不是在bert的输出层后再融合）
- 给定entity pair的情况下，把entity pair上下窗口的文本尽可能地纳入进来，增加全局语义信息，能提升关系抽取的效果
PURE使用了Pipeline的抽取框架，分别设计训练实体抽取模型和关系抽取模型
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
