ETC-DRE:基于实体类型约束的对话级关系抽取

摘要

目前针对对话级关系抽取的大多数方法都集中在通过序列或图方法增强实体对的上下文表示，但却忽略了长尾问题.关系相关性是缓解长尾问题的一种有效方法，该方法可以将头部关系的丰富信息传递给尾部关系，从而缓解尾部关系训练数据不足的情况.本文针对长尾问题和非对称互逆问题构造了一个实体类型约束图，该约束图为每个关系制定了所有对应的主/客体类型，并且约束图中明确指示了一个实体在关系三元组中属于主体还是客体，不同的关系由共同的实体类型连接，进而反映关系的相关性.通过利用图卷积网络将信息从数据丰富的头部关系传递给信息稀缺的尾部关系，从而同时缓解尾部关系训练不足和非对称互逆关系的问题.本文模型在DialogRE数据集上进行了实验，其中F1和F1c分数分别达到了64.1%和60.3%,验证了其有效性.

关键词

对话关系抽取 / 关系相关性 / 实体类型约束 / 异构图

基金资助

国家自然科学基金项目(42374087)资助