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:
• 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

论文链接

• 目标：构建一个基于监督学习的openie
• 建模方式：sequence-labeling
• 输入：token序列+token的POS信息+基于SRL的predicate开头token的信息
• 输出：BIO方式标注的predicate ARG0 ARG1 ARG2标签
  • ARG0表示subject ARG1表示object ARG2表示spo的附加条件（比如时间、地点、情景等）
  • 这里的object定义比较灵活，可以不是一个实体
  • 每个token输出一个probability，span的probability由包含的所有token的probability相乘得到。作者验证相乘的方式是最好的计算span probability的方案

论文链接

• information extraction从文本中抽取出SPO三元组,传统的information extraction都是抽取事先给定的关系
• Open information extraction(Open IE)的关系无需实现给定，能够自动从大量的文本中发掘出关系(关系可能是原文中的span，也可能不是)
• OPEN IE的三个挑战：
  • Automation：需要手动标注的数据必须限制在较小的数量级
  • Corpus Heterogeneity:能在不同分布的数据集上work，不能依赖领域相关的信息，比如NER。只能用POS这些浅层tag
  • Efficiency：需要在大量数据上运行，需要预测性能高，只能依赖POStag这些浅层信息
• OPEN IE的方法：
  • Learning-based System: TEXTRUNNER/WOE/OLLIE
  • Rule-based System:利用语言学、统计学特征+规则 PredPatt
  • Clause-based System: Stanford OpenIE
  • Systems Capturing Inter-Proposition Relationships: 同时抽取三元组以及原文中三元组成立的前提