要約
既存の大多数の手法は、全てのエンティティが認識された後にのみ関係タイプを決定するため、関係タイプとエンティティ言及の間の相互作用が十分にモデル化されていない。本論文では、関連するエンティティを関係の引数として扱うという新しいパラダイムを提案し、関係抽出に取り組む。このパラダイムにおいて、階層強化学習（Hierarchical Reinforcement Learning, HRL）フレームワークを適用することで、エンティティ言及と関係タイプの間の相互作用を強化する。全体的な抽出プロセスは、関係検出とエンティティ抽出それぞれに対応する2段階の強化学習（Reinforcement Learning, RL）ポリシー階層に分解されるため、重複する関係を処理することがより実現可能かつ自然となる。当該モデルは遠隔監督によって収集された公開データセットで評価され、結果は既存手法よりも優れた性能を示し、重複する関係の抽出能力が高いことを示している。