面向农药登记信息的实体关系联合抽取研究

摘要

针对农药登记文本中信息密集、逻辑结构复杂、实体间跨度大以及实体长度异质性等特点，同时为克服传统联合抽取方法中面临的三元组重叠、曝光偏差和冗余计算问题，本研究提出一种多特征融合的单阶段实体关系联合抽取模型（Multi-feature fusion single-stage entity and relation joint extraction model,MF-SERel）。首先，在编码层，通过融合语义与句法特征，丰富字符向量表示，提升模型对复杂语料的表征能力；其次，在多维标注框架层，提出HT-BES多维标注策略，以解决重叠三元组问题。通过并行评分函数与细粒度分类组件，将实体关系联合抽取转化为了基于关系维度的多标签标注任务，该过程不包含相互依赖步骤，从而实现单阶段并行标注，避免了曝光偏差并降低了计算冗余；最后，在解码层依据细粒度分类预测标签，解码出实体关系三元组。将本研究提出的模型与GraphRel、CasRel和TPLinker等基线模型进行对比，在农药数据集（Pesticide registration dataset,PRD）和公开数据集（Dataset of unstructured information extraction,DuIE）上进行检测。结果表明MF-SERel模型在农药数据集PRD和公开数据集DuIE上具有良好的表现。在农药数据集PRD上，本研究提出的模型MF-SERel在推理速度上提升了20%,F1值提升了2.3%，说明MF-SERel模型在农药登记文本中具有良好的知识挖掘能力；在公开数据集DuIE上，MF-SERel模型在推理速度上提升了54%, F1值提升了1.7%，同样取得了较好结果，证明MF-SERel模型具有较好的泛化能力。综上，本研究提出的MF-SERel模型可为农药领域知识的结构化抽取提供新方法。

关键词

农药 / 实体关系抽取 / 标注策略 / 依存句法分析 / 图神经网络

基金资助

河南省重点研发专项项目（241111111500）; 国家自然科学基金项目（32372239）