GraphER：一种用于实体和关系提取的结构感知文本到图模型

发布于2024年4月18日

作者：Urchade Zaratiana、Nadi Tomeh、Niama El Khbir、Pierre Holat、Thierry Charnois

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

摘要

信息提取（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，我们提出了一种新的方法来解决此任务，将其表述为图结构学习（GSL）。通过将IE表述为GSL，我们增强了模型在提取过程中动态优化图结构的能力。与以往模型对这些任务进行单独或非关联预测不同，这种表述允许在实体和关系预测方面实现更好的交互和结构化决策。在联合实体和关系提取基准测试中与最先进的基线模型相比，我们的模型GraphER取得了有竞争力的结果。