基于门控多层感知机的端到端实体关系联合抽取

从非结构化文本中进行实体和关系抽取已经成为自然语言处理的一项关键任务，然而命名实体识别(NER)和关系抽取(RE)两个任务经常被分开考虑，从而丢失了大量的关联信息。鉴于此，该文提出了一种端到端的基于多层感知机SGM模块进行信息过滤的实体关系联合抽取方法。该方法在不引入外部其他复杂特征的情况下获得了丰富的语义，充分利用了实体和关系之间的关联。该文从句子级、词语级和字符级三个级别输入信息，利用SGM模块进行信息提取以获得高效的语义表示，之后利用Span-attention进行融合得到Span的具体表示，最后利用全连接层进行实体和关系的联合抽取。该文使用NYT10和NYT11数据集验证所提方法的有效性。实验结果表明，在NYT10和NYT11数据集上，该文提出的模型在关系抽取任务中的F₁值分别达到了70.6%和68.3%,相比于其他模型有较大提升。