[实体关系抽取｜顶刊论文]UniRel:Unified Representation and Interaction for Joint Relational Triple Extraction

2022.11.16｜EMNLP 2022｜中国科学技术大学 ｜原文链接｜源码链接

UniRel: Unified Representation and Interaction for Joint Relational Triple Extraction

• 解决实体和关系异构表示问题
• 解决实体-实体交互和实体-关系交互异构建模问题
• 通过一个串联的自然语言序列联合编码统一实体和关系的表示，同时使用一个交互映射系统来统一交互
  
  过去（如CasRel、PRGC）都在关注于捕捉实体的上下文信息，但是忽略了同样重要的关系语义。文中例子：由is_capital_of可以得出，主语应该是城市，宾语应该是国家。上图的这个三元组中，也可以从【longdon-is_capital_of】和【Uk-is_capital_of】得出Uk和london是相关的。

我认为作者想表达的意思是过去把实体和关系分开来看了，但是实际上实体和关系本质上是有关联的，可以通过实体推断关系，通过关系推断实体，所以只捕捉实体的上下文是不够的。

由此文章提出统一表示和交互的UniRel模型来解决上述问题。

• 将关系和实体都编码成序列来构造统一的表示，即联合编码
• • 基于语义，首先将候选关系转换成文本，与输入句子构成一个连续的序列
• • 使用BERT作为PLM预训练模型编码，并捕捉他们的信息相关性
• 通过Transformer的自注意力机制，在单个交互映射中对实体-实体、实体-关系建模
• 基于WebNLG和NYT创建了一个新的数据集

UniRel方法：

Problem Formulation

给出X，识别出T

• X = { x 1 , x 2 , … , x N } X=\{x_1,x_2,\dots,x_N\} X={ x1​,x2​,…,xN​}：有n个符号的句子
• $T=[(s_l,r_l,o_l){]}_{l=1}^L$：在X句子中抽取出所有的三元组集合，$L$为三元组的个数
• E = { e 1 , e 2 , … , e k } E=\{e_1,e_2,\dots,e_k\} E={ e1​,e2​,…,ek​