TLAG: An Informative Trigger and Label-Aware Knowledge Guided Model for Dialogue-based Relation Extraction

要約

対話ベースの関係抽出 (DRE) は、対話で言及されている引数のペアの関係タイプを予測することを目的としています。
最新のトリガー強化メソッドでは、DRE を促進するトリガー予測タスクが提案されています。
ただし、これらの方法では、トリガー情報を十分に活用できず、関係抽出にノイズをもたらすことさえありません。
これらの問題を解決するために、TLAG を提案します。TLAG は、トリガーとラベルを意識した知識を十分に活用して、関係抽出をガイドします。
まず、トリガー情報を完全に活用するための適応型トリガー融合モジュールを設計します。
次に、モデルのパフォーマンスをさらに促進するために、ラベルを意識した知識を導入します。
DialogRE データセットの実験結果は、TLAG がベースライン モデルよりも優れていることを示しており、詳細な分析により、アプローチの有効性が実証されています。

要約(オリジナル)

Dialogue-based Relation Extraction (DRE) aims to predict the relation type of argument pairs that are mentioned in dialogue. The latest trigger-enhanced methods propose trigger prediction tasks to promote DRE. However, these methods are not able to fully leverage the trigger information and even bring noise to relation extraction. To solve these problems, we propose TLAG, which fully leverages the trigger and label-aware knowledge to guide the relation extraction. First, we design an adaptive trigger fusion module to fully leverage the trigger information. Then, we introduce label-aware knowledge to further promote our model’s performance. Experimental results on the DialogRE dataset show that our TLAG outperforms the baseline models, and detailed analyses demonstrate the effectiveness of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google