图卷积网络联合信息提取的跨任务实例表示交互和标签依赖

明凡阮，越南Dac Lai，Thien Huu Nguyen先生

摘要
现有的信息提取工作主要解决了四个主要任务（实体提及识别、关系提取、事件触发检测和参数提取），因此无法从任务之间的相互依赖性中获益。本文提出了一种新的深度学习模型，在一个模型（称为FourIE）中同时解决IE的四个任务。与之前很少有关于联合执行四个IE任务的工作相比，FourIE在捕获任务之间的相互依赖性方面有两个新的贡献。首先，在表示层，我们在四个任务的实例之间引入一个交互图，用于用其他任务的相关实例来丰富一个实例的预测表示。其次，在标签级别，我们提出了四个IE任务中信息类型的依赖关系图，该依赖关系图捕获了输入语句中表示的类型之间的连接。引入了一种新的正则化机制来增强黄金依赖图和预测型依赖图之间的一致性，以改进表示学习。我们表明，该模型在三种不同语言的单语和多语言学习环境下实现了联合IE的最先进性能。
选集ID：
2021年，naacl-main.3
音量：
计算语言学协会北美分会2021年会议记录：人类语言技术
月份：
六月
年份：
2021
地址：
在线的
编辑：
克里斯蒂娜·图塔诺娃，安娜·拉姆希斯基，卢克·泽特莫耶，Dilek Hakkani-Tur（迪列克·哈卡尼·图尔），伊兹·贝尔塔基，史蒂文·贝瑟德，瑞恩·科特雷尔，Tanmoy Chakraborty公司，周一超
地点：
NAACL公司
SIG公司：
发布者：
计算语言学协会
注：
页：
27–38
语言：
网址：
https://aclantology.org/2021.naacl-main.3
内政部：
10.18653/v1/2021。naacl-main.3
比比键：
引用（ACL）：
Minh Van Nguyen、Vieta Dac Lai和Thien Huu Nguyen。2021图卷积网络联合信息提取的跨任务实例表示交互和标签依赖.英寸计算语言学协会北美分会2021年会议记录：人类语言技术，第27-38页，在线。计算语言学协会。
引用（非正式）：
图卷积网络联合信息提取的跨任务实例表示交互和标签依赖（Nguyen等人，NAACL 2021）
复制引文：
PDF格式：
https://aclcollectory.org/2021.naacl-main.3.pdf
视频：
 https://aclantology.org/2021.naacl-main.3.mp4
PDF格式 引用 搜索 视频