OpenIE6：用于开放信息抽取的迭代网格标注与协作分析

近期最先进的神经网络开放信息抽取（OpenIE）系统采用迭代方式生成抽取结果，需对部分输出结果进行多次编码，导致显著的计算开销。相比之下，基于序列标注的OpenIE方法虽然速度更快，但在抽取质量上表现较差。本文提出一种基于迭代标注的新型系统，成功弥合了速度与质量之间的权衡，在实现10倍加速的同时，达到了OpenIE任务的新技术水平。这一成果得益于一种创新的迭代网格标注（Iterative Grid Labeling, IGL）架构，该架构将OpenIE建模为二维网格标注任务。此外，我们在训练阶段引入覆盖性（软约束）机制，进一步提升了模型性能。进一步观察发现，当前表现最佳的OpenIE系统在处理并列结构（coordination structures）时存在明显不足。为此，我们的OpenIE系统集成了一种基于相同IGL架构的新式并列结构分析器。该分析器不仅显著增强了系统对复杂并列结构的处理能力，还在并列结构分析任务上创下新纪录，相较先前方法实现了12.3个百分点的F1值提升。综上所述，我们提出的OpenIE系统——OpenIE6，在F1指标上相较以往系统最高提升达4个百分点，同时具备显著更快的运行速度，成为当前OpenIE领域的最新标杆。