Entität-Relation-Extraktion als mehrstufige Fragebeantwortung

In dieser Arbeit schlagen wir ein neues Paradigma für die Aufgabe der Entitäts-Relationsextraktion vor. Wir formulieren die Aufgabe als ein mehrstufiges Fragebeantwortungsproblem, d.h., die Extraktion von Entitäten und Relationen wird in die Identifikation von Antwortbereichen im Kontext transformiert. Diese mehrstufige QA-Formalisierung bringt mehrere wesentliche Vorteile mit sich: Erstens kodiert die Frageabfrage wichtige Informationen für die zu identifizierende Entitäts-/Relationsklasse; Zweitens bietet QA eine natürliche Möglichkeit zur gemeinsamen Modellierung von Entität und Relation; und Drittens ermöglicht es uns, gut entwickelte maschinelle Leseverständnismodelle (MRC) zu nutzen. Experimente auf den Korpora ACE und CoNLL04 zeigen, dass das vorgeschlagene Paradigma erheblich bessere Ergebnisse als frühere beste Modelle erzielt. Wir können state-of-the-art-Ergebnisse auf allen Datensätzen von ACE04, ACE05 und CoNLL04 erzielen, wobei wir die bisherigen Bestwerte um 49,4 (+1,0), 60,2 (+0,6) und 68,9 (+2,1) verbessern. Darüber hinaus haben wir einen neu entwickelten Datensatz RESUME im Chinesischen erstellt, der mehrstufiges Schließen zur Konstruktion von Entitätsabhängigkeiten erfordert, im Gegensatz zur Einzelschritt-Abhängigkeitsextraktion in den Tripletten-Extraktionen früherer Datensätze. Das vorgeschlagene mehrstufige QA-Modell erreicht auch auf dem RESUME-Datensatz die besten Leistungen.