Un modèle bout-en-bout pour l'extraction de relations au niveau des entités basé sur l'apprentissage multi-exemplaire

Nous présentons un modèle conjoint pour l'extraction de relations au niveau des entités à partir de documents. Contrairement aux autres approches, qui se concentrent sur les paires de mentions intra-sentences locales et nécessitent donc des annotations au niveau des mentions, notre modèle opère au niveau des entités. Pour cela, nous adoptons une approche multi-tâches fondée sur la résolution de coreférences et exploitons des signaux pertinents grâce à un apprentissage multi-exemplaires utilisant des représentations multi-niveaux combinant des informations globales sur les entités et locales sur les mentions. Nous atteignons des résultats de pointe en extraction de relations sur le jeu de données DocRED et rapportons pour la première fois des résultats d'extraction de relations end-to-end au niveau des entités, destinés à servir de référence pour les travaux futurs. Enfin, nos résultats expérimentaux suggèrent qu'une approche conjointe est aussi performante qu'une approche spécifique à chaque tâche, tout en étant plus efficace grâce à l'utilisation de paramètres partagés et à un nombre réduit d'étapes d'entraînement.