《Neural Open Information Extraction》

论文链接

• 目标：从输入文本中抽取schema-free的spo三元组
• 模型：
  • encoder-decoder的seq2seq模型
  • 原文输入encoder，得到一个encoded embedding
  • 目标序列格式为subjectpredicationobject
  • 引入copy机制，从生成的token和copy的token中选择一个
  • architecture:

    architecture

• 实验：
  • 数据
    • 训练数据从wikipedia的dump构建，36,247,584 pairs,地址：https://1drv.ms/u/s!ApPZx_TWwibImHl49ZBwxOU0ktHv
    • 测试数据：3200 sentence with 10369 extractions https://www.aclweb.org/anthology/D16-1252.pdf
    • 比较对象：OpenIE4(一个基于规则的提取器)
    • 结果：更高的AUC
• 启发：
  • 做openie的工作，不仅仅可以用NER+NRE的传统方案，还可以考虑seq2seq的方案
  • seq2seq需要引入copy机制确保生成原文中出现的词语
  • 这种方案可以解决predicate不是原文中连续的一段文本的情况
  • 可以引入transformer来做生成，提高效果
  • 在做decode的时候，可以引入图谱embedding，ner embedding，提高效果
  • 后续可以改进做一个句子中有多个SPO的抽取