简读分享 | 乔剑博 编辑 | 李仲深
论文题目
Interactive Information Extraction by Semantic Information Graph
论文摘要
信息提取（IE）主要集中在三个高度相关的子任务上，即实体提取、关系提取和事件提取。最近，有研究使用抽象意义表示（AMR）来利用这三个子任务之间的内在相关性。基于AMR的模型能够建立参数关系。但是，它们很难处理关系。此外，AMR的噪声（即与IE任务无关的标签，概念无关的节点以及具有复杂分层结构的边缘类型）干扰了IE的解码处理。因此，受AMR限制的解码处理无法有效工作。为了克服这一不足，作者提出了一种基于新颖语义信息图（SIG）的交互式信息提取（InterIE）模型。SIG 可以指导作者的 InterIE 模型共同处理这三个子任务。此外，精心设计的无噪声SIG能够丰富实体和事件触发表示，并捕获信息类型之间的边缘连接。实验结果表明，作者的 InterIE 在基准数据集（即 ACE05-E 和 ACE05-E）上的所有 IE 子任务上都实现了最先进的性能。更重要的是，所提出的模型对解码顺序不敏感，这超出了基于AMR的方法的限制。
论文链接
https://www.ijcai.org/proceedings/2022/0569.pdf
