基于动态跨度图的信息抽取通用框架

我们提出了一种通用框架，用于多个信息抽取任务，这些任务通过动态构建的跨度图共享跨度表示。图的构建方法是选择最可信的实体跨度，并通过置信度加权的关系类型和共指链接这些节点。动态跨度图允许共指和关系类型的置信度在图中传播，从而迭代地优化跨度表示。这与以往的信息抽取多任务框架不同，在以往的框架中，任务之间的唯一交互是在共享的第一层LSTM（长短期记忆网络）中进行的。我们的框架在多个数据集上显著超越了现有最佳方法，这些数据集反映了不同的领域。此外，我们观察到跨度枚举方法在检测嵌套实体跨度方面表现出色，在ACE（Automatic Content Extraction）数据集上的F1分数有显著提升。