Dual Pointer Network zur schnellen Extraktion mehrerer Relationen in einem Satz

Relationsextraktion ist eine Art von Informationsextraktionsaufgabe, die semantische Beziehungen zwischen Entitäten in einem Satz erkennt. Viele frühere Studien haben sich darauf konzentriert, lediglich eine semantische Beziehung zwischen zwei Entitäten innerhalb eines einzigen Satzes zu extrahieren. In der Realität sind jedoch mehrere Entitäten in einem Satz durch verschiedene Beziehungen miteinander verknüpft. Um dieses Problem anzugehen, schlagen wir ein Relationsextraktionsmodell vor, das auf einem Dual-Pointer-Netzwerk mit einer Multi-Head-Attention-Mechanismus basiert. Das vorgeschlagene Modell erkennt n-zu-1-Beziehungen zwischen Subjekt und Objekt mithilfe eines forwarder Objekt-Decoders. Anschließend ermittelt es 1-zu-n-Beziehungen zwischen Subjekt und Objekt mittels eines rückwärts gerichteten Subjekt-Decoders. Unsere Experimente bestätigten, dass das vorgeschlagene Modell die bisherigen Ansätze übertrifft, wobei es für die ACE-2005-Datenbank einen F1-Score von 80,8 % und für die NYT-Datenbank einen F1-Score von 78,3 % erzielt.