论文链接

解决的问题

给定schema的SPO抽取：从文本中抽取去SPO(Subject-Predicate-Object)三元组。其中Predicate是事先定义好的关系，Subject和Object是文中的span

TPLinker的特点

• 能够处理SEO(SingleEntityOverlap)和EPO(EntityPairOverlap)两种情形
  • SEO：张三和李四都是北京人 -> (张三,出生地,北京),(李四,出生地,北京)
  • EPO：江苏的省会是南京 -> (江苏,包含,南京),(江苏,省会,南京)
• Single-stage的方案，原始文本过一次Encoder之后，便可以解码得到整个spo三元组

论文链接

• 目标：基于大量未标注语料，训练一个relation表征的模型

• input：relation statement(x, s1, s2)

• output：relation representation: 一个稠密向量，使得两个关系越接近，两个关系的表征向量点积值越大

• bert-based architecture:

• 预训练

  • There is high degree for redundancy in web text, relation between tow entity is likely to be stated multiple times
  • 两个不同的句子中，如果包含相同的实体对，这个实体对在两句话中大概率表示相同的relation
  • 两个不同的句子中，如果包含不同实体对，这两个实体对大概率表示不同的relation
  • 例子:
  • 结构: