Abstract
实体关系抽取旨在从文本中抽取出实体之间的语义关系,是自然语言处理的一项基本任务。在新闻报道、维基百科等规范文本上该任务的研究相对丰富,已经取得了一定的效果,但面向对话文本的相关研究还处于起始阶段。相较于规范文本,用于实体关系抽取的对话语料规模较小,对话文本的有效特征难以捕获,这使得面向对话文本的实体关系抽取更具挑战。该文针对这一任务提出了一个基于Star-Transformer的实体关系抽取模型,通过融入高速网络进行信息桥接,并在此基础上融入交互信息和知识,最后使用多任务学习机制进一步提升模型的性能。在DialogRE公开数据集上实验得到F1值为55.7%,F1c值为52.3%,证明了提出方法的有效性。- Anthology ID:
- 2021.ccl-1.31
- Volume:
- Proceedings of the 20th Chinese National Conference on Computational Linguistics
- Month:
- August
- Year:
- 2021
- Address:
- Huhhot, China
- Venue:
- CCL
- SIG:
- Publisher:
- Chinese Information Processing Society of China
- Note:
- Pages:
- 327–338
- Language:
- Chinese
- URL:
- https://aclanthology.org/2021.ccl-1.31
- DOI:
- Cite (ACL):
- Liang Liu and Fang Kong. 2021. 面向对话文本的实体关系抽取(Entity Relation Extraction for Dialogue Text). In Proceedings of the 20th Chinese National Conference on Computational Linguistics, pages 327–338, Huhhot, China. Chinese Information Processing Society of China.
- Cite (Informal):
- 面向对话文本的实体关系抽取(Entity Relation Extraction for Dialogue Text) (Liu & Kong, CCL 2021)
- PDF:
- https://preview.aclanthology.org/auto-file-uploads/2021.ccl-1.31.pdf