Extraction de relations neuronales de bout en bout utilisant l'attention biaffine profonde

Nous proposons un modèle de réseau neuronal pour l'extraction conjointe d'entités nommées et des relations entre elles, sans utiliser de caractéristiques conçues manuellement. La contribution principale de notre modèle est d'étendre un modèle de reconnaissance d'entités basé sur BiLSTM-CRF avec une couche d'attention biaffine profonde pour modéliser les interactions du deuxième ordre entre les caractéristiques latentes, en se concentrant spécifiquement sur le rôle d'une entité dans une relation directionnelle. Sur le jeu de données de référence « reconnaissance des entités et des relations » CoNLL04, les résultats expérimentaux montrent que notre modèle surpasses les modèles précédents, produisant de nouvelles performances de pointe (state-of-the-art).