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