Text2NKG: Fine-Grained N-ary Relation Extraction for N-ary relational Knowledge Graph Construction

要約

従来の 2 値リレーショナル ファクトを超えて、n 値リレーショナル ナレッジ グラフ (NKG) は、3 つ以上のエンティティを含む n 値リレーショナル ファクトで構成され、より広範な用途を持つ現実世界の事実に近いものになります。
ただし、NKG の構築は粗粒レベルのままであり、エンティティの順序と可変性は無視され、常に単一のスキーマ内にあります。
これらの制限に対処するために、n 項リレーショナル知識グラフ構築のための新しいきめの細かい n 項関係抽出フレームワークである Text2NKG を提案します。
異なるアリティでのきめの細かい n 項関係の抽出を達成するために、ヘテロ順序マージと出力マージを使用したスパンタプル分類アプローチを導入します。
さらに、Text2NKG は、ハイパーリレーショナル スキーマ、イベントベース スキーマ、ロールベース スキーマ、ハイパーグラフ ベース スキーマの 4 つの典型的な NKG スキーマを高い柔軟性と実用性でサポートしています。
実験結果は、Text2NKG が、きめ細かい n 項関係抽出ベンチマークで F1 スコアにおいて最先端のパフォーマンスを達成していることを示しています。
私たちのコードとデータセットは公開されています。

要約(オリジナル)

Beyond traditional binary relational facts, n-ary relational knowledge graphs (NKGs) are comprised of n-ary relational facts containing more than two entities, which are closer to real-world facts with broader applications. However, the construction of NKGs remains at a coarse-grained level, which is always in a single schema, ignoring the order and variable arity of entities. To address these restrictions, we propose Text2NKG, a novel fine-grained n-ary relation extraction framework for n-ary relational knowledge graph construction. We introduce a span-tuple classification approach with hetero-ordered merging and output merging to accomplish fine-grained n-ary relation extraction in different arity. Furthermore, Text2NKG supports four typical NKG schemas: hyper-relational schema, event-based schema, role-based schema, and hypergraph-based schema, with high flexibility and practicality. The experimental results demonstrate that Text2NKG achieves state-of-the-art performance in F1 scores on the fine-grained n-ary relation extraction benchmark. Our code and datasets are publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google