基于层次结构的强化学习关系抽取框架

大多数现有的方法在识别所有实体之后才确定关系类型，因此关系类型与实体提及之间的交互作用未能得到充分建模。本文提出了一种新的范式来处理关系抽取，即将相关实体视为关系的论元。我们在此范式中应用了分层强化学习（HRL）框架，以增强实体提及与关系类型之间的交互作用。整个抽取过程被分解为两级强化学习策略，分别用于关系检测和实体提取，从而使得处理重叠关系更加可行和自然。我们的模型在通过远程监督收集的公开数据集上进行了评估，结果显示其性能优于现有方法，并且在提取重叠关系方面具有更强的能力。