关系抽取
1. 评测背景：知识是机器语言理解与交互的重要基础
- 机器语言理解与交互是人工智能的基本挑战，五大任务助力 （机器阅读理解、面向推荐的对话、语义解析、关系抽取、事件抽取）
- 知识是机器语言理解与交互的重要基础
- 关系抽取是知识获取的重要方式
知识图谱
2. 评测任务：schema约束下的SPO抽取任务
任务描述：
- 抽取输入句子中所有符合schema约束的SPO三元组
- 输入：预定义schema& 句子
- 输出：SPO三元组
任务特色：挑战关系抽取模型较难解决的问题 - 重叠关系抽取问题
- 复杂关系抽取问题
3. 评测数据集 DuIE2.0 面向真实业务场景的schema
数据生成
- DuIE1.0 根据query log 统计筛选
- 知识库：百度知识图谱数据
- 语料：百度百科+百度信息流
候选生成 - 基础候选：SPO粒度远监督
- 候选扩召：schema粒度远监督+并列结构pattern
众测标注： - 训练集&开发集 ：单副本判断题标注+单论review
- 测试集：双副本填空题标注+两轮review
- DuIE2.0，48个关系类型，5个复杂关系类型
4. 2019基线系统：基于BI-LSTM的pipeline模型
模型结构
- Pipeline结构：先关系分类，在进行s/o 标注
- Embedding层：词语，词性，位置
- 编码层：Bi-LSTM
- 关系分类输出层：多标签sigmoid
存在问题 - Pipeline没有利用关系分类，S/O 标注两个子任务之间的联系，且存在错误传递，效果不易优化
- 采用Bi-LSTM作为编码器，不易并行处理，训练/预测效率低，且特征抽取效果不如预训练模型
- s/o标注子任务采用简单的BIO 标注，不易直接处理复杂关系的问题。
5。2020的基线系统：基于ERNIE的E2E标注模型
- 一步解决关系重叠关系的抽取问题
- BI-LSTM编码器->ERNIE预训练模型
- 简单BIO标注策略->新型BIO标注策略
事件抽取
事件：在特定时空下（时间，空间），由一个或多个角色（事件主体）主题开展的一系列活动
事件抽取Event Extraction,EE ：
事件要素的结构化抽取，具体的，是从非结构化的自然语言文本中识别事件及其类型，抽取其事件的元素的技术
事件抽取常用Pipeline
- 1⃣️触发词识别
- 2⃣️事件类型识别
- 3⃣️论元抽取
句子：2017年10月31日，宋仲基，宋慧乔在首尔举行婚礼
事件类型：结婚 触发词：举行婚礼 时间：地点：男主：女主：
研究价值： - 更具研究价值，更加复杂的应用场景
- 应用：信息分发，舆情分析，金融事件分析，对话系统
事件抽取的主流方法：
- Pipeline-based （trigger+arg）
- Joint-Based (trigger+arg)同时联合出发词和论元，相互验证
事件抽取的评测任务：
任务描述：通过给定目标事件类型和角色类型集合句子，识别句中的目标事件，并根据论元角色集合抽取事件所对应的论元
- 输入：包含事件信息的一个或多个连续的句子
- 输出： 属于预先定义的事件类型，类型的论元结果
数据集特点： - 一个句子包括多触发词
- 多值论元角色
- 面向真实应用场景构建
事件schema 定义 - 65个事件类型+121论元角色
评估方法 - F1=（2PR）/（P+R）
Baseline 模型
- 基于序列标注的触发词抽取模型
- 基于序列标注论元抽取模型
[1]https://mp.weixin.qq.com/s?__biz=MzUxNzk5MTU3OQ==&mid=100002954&idx=1&sn=6ccf514c3649b58d7bd96eb1de29d1e6&scene=19#wechat_redirect