隣接リスト指向型の関係事実抽出：適応的マルチタスク学習を用いた手法

関係的事実抽出は、非構造化テキストから意味的な三項組（semantic triplets）を抽出することを目的とする。本研究では、すべての関係的事実抽出モデルが、グラフ指向の分析的視点に基づいて体系的に整理可能であることを示す。この分析枠組みをもとに、効率的なモデルである「Adjacency List Oriented Relational Fact Extraction（DIRECT）」が提案される。誤差伝搬の問題および部分タスク間の損失のバランスの維持という課題を軽減するため、DIRECTは動的で部分タスク損失を適応的に調整する新しいマルチタスク学習戦略を採用している。提案モデルは2つのベンチマークデータセット上で広範な実験を実施し、その結果、従来の最先端（SoTA）モデルを上回る性能を示した。