Modellierung von Aufgabeninteraktionen in der Dokumentebenen-gemeinsamen Entitätserkennung und Relationsextraktion

Wir zielen auf die Dokumentebene-Relationsextraktion in einem End-to-End-Szenario ab, bei dem das Modell gleichzeitig die Erkennung von Erwähnungen, Coreferenzauflösung (COREF) und Relationsextraktion (RE) durchführen muss und nach einer entitätszentrierten Methode evaluiert wird. Insbesondere adressieren wir die bidirektionale Interaktion zwischen COREF und RE, die bisher nicht im Fokus der vorherigen Arbeiten stand. Wir schlagen eine explizite Interaktion vor, nämlich Graphenkompatibilität (GC), die speziell entwickelt wurde, um die Aufgabencharakteristika zu nutzen und Entscheidungen der beiden Aufgaben direkt miteinander zu verknüpfen. Unsere Experimente wurden auf DocRED und DWIE durchgeführt; neben GC implementieren und vergleichen wir verschiedene Multitask-Einstellungen, die in früheren Arbeiten üblich waren, darunter Pipeline, geteilte Encoder und Graphenausbreitung, um die Effektivität verschiedener Interaktionen zu untersuchen. Das Ergebnis zeigt, dass GC eine bis zu 2,3/5,1 F1-Punkte Verbesserung gegenüber der Baseline erzielt.