【文献阅读笔记】03-用于实体关系联合抽取的关系图模型

1 Introduction

1.1 实体关系联合抽取

  实体关系抽取任务：提取具有语义关系的实体对，即三元组； 是信息提取的中心任务，需要从非结构化文本自动构建知识 。

实体关系抽取目前两种常见解决方案

Pipeline：早期的信息抽取将实体抽取和关系抽取看作两个独立的任务，这样的串联模型在建模上相对更简单。但这将实体识别和关系抽取当作两个独立的任务会导致一些问题：比如误差积累、实体冗余、关系重叠问题等等 。

联合抽取：对实体抽取和关系分类联合建模，能够利用实体和关系之间的交互信息，同时抽取实体并分类实体对的关系，可以很好地解决流水线方法所存在的问题。

三个关键方面仍需要在统一框架中进行全面处理：
实体识别和关系提取的端到端联合建模
对实体重叠关系的预测
考虑关系之间的相互作用

1.2 文章工作

这篇文章提出了一个端到端的联合模型 GraphRel：
对实体和关系进行端到端的联合建模，自动提取特征
仔细考虑实体与关系之间的相互作用，提出了带权重的GCN模型
对关系重叠问题进行了分析

在两个公共关系提取数据集上评估该方法：NYT和WebNLG