RTF: Region-based Table Filling Method for Relational Triple Extraction

要約

リレーショナル トリプル抽出は、ナレッジ グラフの自動構築にとって重要な作業です。
既存のメソッドは、トークンまたはトークン ペア レベルから浅い表現のみを構築します。
ただし、以前の研究では、リレーショナル トリプルの局所的な空間依存性が無視されており、その結果、エンティティ ペアの境界検出が脆弱になります。
この問題に取り組むために、新しい領域ベースのテーブル充填法 (RTF) を提案します。
我々は、新しい領域ベースのタグ付けスキームと双方向デコード戦略を考案します。これは、各関係トリプルを関係固有のテーブル上の領域と見なし、各領域の 2 つのエンドポイントを決定することによってトリプルを識別します。
また、畳み込みを導入して空間的な観点から領域レベルのテーブル表現を構築し、トリプルを捕捉しやすくします。
さらに、関係分類器の学習効率を向上させるために、異なる関係間で部分的なタグ付けスコアを共有します。
実験結果は、私たちの手法が、広く使用されている 2 つのベンチマーク データセットの 3 つのバリアントに対して、より優れた一般化機能を備えた最先端の手法を実現していることを示しています。

要約(オリジナル)

Relational triple extraction is crucial work for the automatic construction of knowledge graphs. Existing methods only construct shallow representations from a token or token pair-level. However, previous works ignore local spatial dependencies of relational triples, resulting in a weakness of entity pair boundary detection. To tackle this problem, we propose a novel Region-based Table Filling method (RTF). We devise a novel region-based tagging scheme and bi-directional decoding strategy, which regard each relational triple as a region on the relation-specific table, and identifies triples by determining two endpoints of each region. We also introduce convolution to construct region-level table representations from a spatial perspective which makes triples easier to be captured. In addition, we share partial tagging scores among different relations to improve learning efficiency of relation classifier. Experimental results show that our method achieves state-of-the-art with better generalization capability on three variants of two widely used benchmark datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google