摘要
实体关系抽取旨在从文本中抽取出实体之间的语义关系,是自然语言处理的一项基本任务。在新闻报道、维基百科等规范文本上,该任务的研究相对丰富且已取得了一定的效果,但面向对话文本的相关研究还处于起始阶段。相较于规范文本,对话是一个交互的过程,大量信息隐藏在交互中,这使得面向对话文本的实体关系抽取更具挑战性。依据对话的特点,该文提出了融入对话交互信息的实体关系抽取方法,通过交叉注意力机制获取对话交互信息,提升性能,并结合多任务学习来解决语料库数据分布不均衡的问题。在DialogRE公开数据集上实验得到,F_(1)值为54.1%,F_(1c)值为50.7%,证明了该方法的有效性。
Entity relation extraction aims to extract semantic relations between entities from text.This task is well addressed for normative texts such as news reports and Wikipedia,but less touched for dialogue texts.Compared with standard text,dialogue is an interactive process,and such information hidden in the interaction challenges the entity relation extraction task.This paper proposes an entity relation extraction method that incorporates interactive information via cross-attention mechanisms.It also adopt the multitask learning to deal with the issue of unblance distribution.The experiments on DialogRE public dataset reveal a result of 54.1%F_(1)and 50.7%of F_(1c),which proves validity of the method.
作者
陆亮
孔芳
LU Liang;KONG Fang(School of Computer Science and Technology,Soochow University,Suzhou,Jiangsu 215006,China)
出处
《中文信息学报》
CSCD
北大核心
2021年第8期82-88,97,共8页
Journal of Chinese Information Processing
基金
国家自然科学基金(61876118,61836007)
作者简介
陆亮(1995-),硕士研究生,主要研究领域为自然语言处理、关系抽取。E-mail:20185227045@stu.suda.edu.cn;孔芳(1977-),博士,教授,主要研究领域为机器学习、自然语言处理、篇章分析。E-mail:kongfang@suda.edu.cn
