要約
文における関係的事実はしばしば複雑である。異なる関係トリプルは、文内において重なりを示すことがある。本研究では、トリプルの重なり度合いに基づいて文を3つのタイプに分類した：Normal（通常）、EntityPairOverlap（エンティティペア重複）、SingleEntityOverlap（単一エンティティ重複）。従来の手法は主にNormalクラスに注目しており、関係トリプルの正確な抽出に課題を抱えている。本論文では、コピー機構を備えたシーケンス・トゥ・シーケンス学習に基づくエンド・ツー・エンドモデルを提案し、これらのいずれのタイプの文からも関係的事実を統合的に抽出可能とする。デコーディングプロセスでは、2つの異なる戦略を採用した：単一の統合デコーダを用いる方法と、複数の独立したデコーダを用いる方法である。提案モデルは2つの公開データセットにおいて評価され、ベースライン手法と比較して顕著な性能向上を示した。