Explore BiLSTM-CRF-Based Models for Open Relation Extraction

要約

テキスト文から複数の関係を抽出することは、現在の Open Relation Extraction (Open RE) タスクにとって依然として課題です。
この論文では、双方向 LSTM-CRF (BiLSTM-CRF) ニューラル ネットワークとさまざまな文脈化された単語埋め込み手法に基づいて、いくつかの Open RE モデルを開発します。
また、重複する問題を解決し、モデルのパフォーマンスを向上させるための新しいタグ付けスキームも提案します。
評価結果とモデル間の比較から、タグ付けスキーム、単語エンベッダー、BiLSTM-CRF ネットワークの最適な組み合わせを選択し、多重関係文の抽出能力に優れた Open RE モデルを実現します。

要約(オリジナル)

Extracting multiple relations from text sentences is still a challenge for current Open Relation Extraction (Open RE) tasks. In this paper, we develop several Open RE models based on the bidirectional LSTM-CRF (BiLSTM-CRF) neural network and different contextualized word embedding methods. We also propose a new tagging scheme to solve overlapping problems and enhance models’ performance. From the evaluation results and comparisons between models, we select the best combination of tagging scheme, word embedder, and BiLSTM-CRF network to achieve an Open RE model with a remarkable extracting ability on multiple-relation sentences.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google