实体关系抽取作为多轮问答任务

本文提出了一种新的实体关系抽取范式。我们将该任务转化为多轮问答问题，即从上下文中识别出答案片段来完成实体和关系的抽取。这种多轮问答形式化方法具有几个关键优势：首先，问题查询编码了我们希望识别的实体/关系类的重要信息；其次，问答提供了一种自然的方式，可以联合建模实体和关系；最后，它使我们能够利用已经发展成熟的机器阅读理解（MRC）模型。在ACE和CoNLL04语料库上的实验表明，所提出的范式显著优于之前的最佳模型。我们在ACE04、ACE05和CoNLL04数据集上均取得了最先进（SOTA）的结果，分别将这三个数据集的SOTA结果提升至49.4（+1.0）、60.2（+0.6）和68.9（+2.1）。此外，我们构建了一个新开发的中文数据集RESUME，该数据集需要进行多步推理以构建实体依赖关系，而以往的数据集中三元组抽取仅需单步依赖关系提取。所提出的多轮问答模型在RESUME数据集上也实现了最佳性能。