DPMN：面向重叠关系抽取问题的多任务学习网络

来源：计算机工程与应用杂志2024年第20期北京时间：

作者：李雅杰, 唐国根, 李平

单位：西南石油大学 计算机科学学院，成都 610500

摘要：作为自然语言处理的基本组件之一，关系抽取旨在从给定的非结构化文本中抽取关系事实。针对实际应用中句子级的实体信息缺失，往往会出现单个句子包含多个重叠关系三元组的场景，关系三元组会产生多种交叉重叠，使得关系抽取任务具有较大的挑战性。早期的研究采用流水线方法来处理，不仅忽略实体识别和关系预测的关联性，而且容易受到误差传播问题的影响。提出了一种基于依赖解析的多任务学习网络（DPMN），以依赖解析的方式更精确地识别实体跨度、丰富关系语义，具有多任务学习策略，以增强各个子任务之间的交互。与基线模型相比，DPMN具有更好的关系三元组抽取性能，一定程度上缓解了关系重叠问题。

关键词：关系抽取,多任务学习,依赖解析,重叠关系