要約
近年の情報抽出研究において、大規模な事前学習済みSeq2Seqモデルを活用したシーケンス生成が有望な性能を示している。本稿では、関係抽出（Relation Extraction, RE）においてシーケンス生成を用いることの利点を検討し、関係名または同義語を生成ターゲットとして設定した場合、それらのテキスト的意味および単語シーケンスパターンにおける相関関係がモデルの性能に影響を与えることを明らかにした。さらに、関係名の意味的同義語を自動的に拡張し、それを生成ターゲットとして用いることで、モデルの表現力を向上させる「ラベル拡張を用いた関係抽出（Relation Extraction with Label Augmentation, RELA）」というSeq2Seqモデルを提案する。本研究では、Seq2Seqモデルが関係抽出タスクにどのように振る舞うかについても詳細な分析を実施した。実験結果から、RELAは4つの関係抽出データセットにおいて、従来手法と比較して競争力ある性能を達成することが示された。