摘要
我们提出了一种基于神经网络的穷举式方法，用于解决湿实验协议共享任务中的命名实体识别（NER）与关系识别（RE）问题。该方法采用基于BERT的神经网络框架，将所有可能的文本片段（span）作为潜在的实体提及项，并通过深度神经网络对这些片段进行分类，判断其所属的实体类型或是否为非实体，从而完成命名实体识别任务。在关系抽取任务中，基于NER的预测结果或提供的真实标注实体提及，我们构建所有可能的触发词-论元对（trigger-argument pairs），并利用分类模型将其划分为具体的关系类型或“无关系”类别。在命名实体识别任务中，我们的系统在所有参赛系统中位列第三，F-score达到76.60%。在关系抽取任务中，我们以80.46%的F-score位居第一，成为该任务中的最优系统。此外，我们还将基于湿实验协议语料库（Wet-Lab Protocols Corpus, WLPC）构建的模型与WLPC基准模型以及基于动态图的信息抽取系统（Dynamic Graph-based Information Extraction, DyGIE）进行了对比分析。