基于邻接表的自适应多任务学习关系事实抽取

关系事实抽取旨在从非结构化文本中提取语义三元组。本文提出，所有关系事实抽取模型均可基于一种图导向的分析视角进行系统性组织。在此分析框架基础上，本文提出一种高效模型——邻接表导向的关系事实抽取模型（Adjacency List Oriented rElational faCT, DIRECT）。为缓解误差传播问题及子任务损失平衡难题，DIRECT采用了一种新颖的自适应多任务学习策略，实现动态子任务损失平衡。在两个基准数据集上开展的大量实验表明，所提出的模型在关系三元组抽取任务中显著优于一系列当前最先进的（State-of-the-Art, SoTA）模型。