초록
우리는 명명된 실체와 그들 사이의 관계를 공동으로 추출하기 위한 신경망 모델을 제안합니다. 이 모델은 수작업으로 만든 특징을 사용하지 않습니다. 우리의 모델의 핵심 기여는 방향성 관계에서 실체의 역할에 특히 주목하면서, 잠재적 특징 간의 2차 상호작용을 모델링하기 위해 BiLSTM-CRF 기반 실체 인식 모델에 깊은 양방향 주의층(Deep Biaffine Attention Layer)을 확장하는 것입니다. 벤치마크 "관계 및 실체 인식" 데이터셋인 CoNLL04에서 실험 결과, 우리의 모델이 이전 모델들을 능가하여 새로운 최고 성능(state-of-the-art performance)을 달성한 것을 보여줍니다.