要約
固有表現認識と関係抽出は、二つの重要な基本的な問題です。これらのタスクを同時に解決するために、共同学習アルゴリズムが提案されてきました。それらの多くは、共同タスクをテーブル埋め込み問題として扱っています。しかし、一般的に単一のエンコーダ（通常はテーブル形式の表現を学習するもの）に焦点を当て、両方のタスクに必要な情報を同じ空間内で捉えることに重点が置かれていました。本研究では、この二つの異なるタイプの情報を学習プロセスで捉えるために、二つの異なるエンコーダを設計することが有益であると主張します。本研究において、新しい{\em テーブル-シーケンスエンコーダ}を提案します。これは、テーブルエンコーダとシーケンスエンコーダという二つの異なるエンコーダを設計し、表現学習プロセスで互いに補完するようにしています。実験結果は、{\em 二つ}のエンコーダを持つことの{\em 単一}のエンコーダよりも優れていることを確認しています。いくつかの標準データセットにおいて、当モデルは既存手法に対して有意な改善を示しました。