Новая каскадная бинарная модель разметки для извлечения реляционных троек

Извлечение реляционных троек из неструктурированного текста имеет решающее значение для построения крупномасштабных графов знаний. Однако лишь немногие существующие методы эффективно решают проблему перекрывающихся троек, при которой несколько реляционных троек в одном предложении имеют общие сущности. В данной работе предлагается новый взгляд на задачу извлечения реляционных троек и новая каскадная бинарная модель разметки (CASREL), выведенная из строго сформулированной постановки задачи. В отличие от предыдущих методов, рассматривающих отношения как дискретные метки, предложенная модель задаёт отношения как функции, отображающие субъекты в объекты в предложении, что естественным образом позволяет обрабатывать проблему перекрытия. Эксперименты показывают, что модель CASREL превосходит современные методы даже в случае, когда её модуль кодирования использует случайно инициализированный кодировщик BERT, что демонстрирует эффективность новой модели разметки. При использовании предварительно обученного кодировщика BERT достигается дополнительное повышение производительности: по показателю F1 модель превосходит наиболее сильный базовый метод на 17,5 и 30,2 процентного пункта на двух общедоступных наборах данных — NYT и WebNLG соответственно. Подробный анализ различных сценариев перекрывающихся троек показывает, что метод обеспечивает стабильный прирост качества во всех рассмотренных сценариях. Исходный код и данные опубликованы в открытом доступе 1.