GraphER: 一种结构感知的文本到图模型，用于实体和关系抽取

发布于2024年4月18日

By Urchade Zaratiana, Nadi Tomeh, Niama El Khbir, Pierre Holat, Thierry Charnois

arXiv:2404.12491 [ cs.CL, cs.AI ] github:urchade/GraphER

摘要

信息抽取（IE）是自然语言处理（NLP）中的一项重要任务，涉及从非结构化文本中提取命名实体及其关系。在本文中，我们通过将其表述为图结构学习（GSL）提出了一种新颖的方法。通过将IE表述为GSL，我们增强了模型在抽取过程中动态优化和调整图结构的能力。与之前对这些任务进行分离或未绑定预测的模型相比，这种表述允许更好的交互和基于结构的决策来进行实体和关系预测。在与联合实体和关系抽取基准上的最先进基线进行比较时，我们的模型GraphER取得了具有竞争力的结果。