论文阅读笔记--UNIRE: A Unified Label Space for Entity Relation Extraction

Date
2021年7月18日

作者 & 机构:
Yijun Wang $^{1,2}$ , Changzhi Sun $^4$ , Yuanbin Wu $^3$ , Hao Zhou $^3$ , Lei Li $^4$ , and Junchi Yan $^{1, 2}$
上海交大计算机 $^1$
上海交大AI研究院 $^2$
华东师大计算机 $^3$
字节跳动AI Lab $^4$

链接 : [https://arxiv.org/pdf/2107.04292.pdf]

说明:
Published at ACL 2021 main conference

研究主题

大类(General) : 信息抽取
小类(Specific) : 实体关系联合抽取

简介What)

本文针对实体关系抽取任务提出了一种联合标签框架，可以在一个矩阵中同时表示实体标签和关系标签,强化了实体标签和关系标签的交互，在多个数据集上实现了最优或者有竞争力的结果

解决的问题(Why)

以往的模型(Zhong and Chen,2020)使用pipeline的方式实现了实体关系的SOTA,他们对实体和关系采用独立的编码器和解码器，并且标签空间也不共享，作者为了促进两个子任务的交互，让这两个任务使用共享的编码器和解码器，并且共享标签空间
作者提出了填表的方式来实现将实体关系纳入到统一的标签体系中，其中实体在表格中是一个正方形，即每一个实体内部所有字符之间都是同样的标签；而关系在表格中是一个矩形，即有关系的一对实体的所有字符对之间都有同样的标签。
作者的模型不仅实现了最好的效果，而且在速度和参数量上都优于其他模型。

详细信息(How)

实体关系统一的标签体系.png

Methodology

问题定义

作者把实体关系联合抽取建模成一个填表问题，对于一个句子 $s=x_1,x_2,\cdots,x_n$ ，维护一个表格 $T^{|s|\times |s|}$ ,其中 $|s|$ 是句子的长度，对于表格中的任一元素 $cell(i, j)$ ，给它赋予一个标签 $y_{i, j}\in \mathcal{Y}$ ，其中 $\mathcal{Y}\in \mathcal{Y}_e\cup\mathcal{Y}_r\cup\{\perp\}$ ( $\{\perp\}$ 代表token之间没有关系)
对于一个实体 $e$ ，对应的标签 $y_{i, j}(x_i\in e.span, x_j\in e.span)$ 应该被填成 $e.type$ .
对于一个关系 $r=(e_1,e_2,l)$ ,对应的标签 $y_{i,j}$ ( $x_i\in e_1.span, x_j\in e_2.span)$ 应该被填成 $l$
其余标签都是 $\perp$

模型方法

BERT编码句子
$\{h_1,h_2,\cdots, h_n\} = \rm{PLM}(\{x_1,x_2,\cdots,x_n\})$
Biaffine计算token两两之间的关系
$g_{i,j} = \rm{Biaff}(h^{head}_i, h^{tail}_j)$
填表，使用交叉熵计算损失
$P(y_{i, j}|s)=\rm{Softmax}(\rm{Dropout}(g_{i, j}))$
$\mathcal{L}_{entry}=-\dfrac{1}{|s|^2}\sum\limits_{i=1}^{|s|}\sum_{j=1}\limits^{|s|}log P(\textbf{y}_{i,j}=y_{i,j}|s)$

其他限制条件

这部分感觉是凑篇幅用的

对称性
如果关系是对称的话，表格也是对称的，因此，对于对称的关系对，其对应位置的标签应该一致，例如表格中的David Perkins和wife之间是PER-SOC的关系，反过来也成立。因此，我们可以添加这个约束条件，让对称关系的对应位置的标签差异最小化。
$\mathcal{L}_{sym}=-\dfrac{1}{|s|^2}\sum\limits_{i=1}^{|s|}\sum\limits_{j=1}^{|s|}\sum\limits_{t\in \mathcal{Y}_{sym}}|\mathcal{P}_{i,j,t}-\mathcal{P}_{j,i,t}|$
隐含性
如果一个关系存在，那么它对应的两个实体也存在。因此，一个关系标签的得分一定不高于其对应的实体的标签的得分。
$\mathcal{L}_{imp} = \frac{1}{|s|}\sum\limits_{i=1}^{|s|}[\mathop{max}\limits_{l\in\mathcal{Y}_r}\{\mathcal{P}_{i,:,l},\mathcal{P}_{:,i,l}\} - \mathop{max}\limits_{t\in \mathcal{Y}_e}\{\mathcal{P}_{i, i, t}\}]$
其中 $[u]_*=max(u, 0)$ 使用hinge loss计算。
最终损失为三者之和
$\mathcal{L} = \mathcal{L}_{en} + \mathcal{L}_{sy} + \mathcal{L}_{im}$
这里为了减少参数量，没有加入其它参数调节权重。

解码方式

本文的解码分为三步，

首先解码span的边界，对于任意两个相邻的行或者边，如果其标签不一致，那么我们就认为他们属于不同的span
其次解码span的类型，对于同一个span，将方块中概率最大的那个字符对应的实体类型作为span的类型
最后解码关系，同样的，将一个矩形中概率最大的那个位置对应的关系的标签作为完整的关系标签

疑惑点

总结

本文提出了一个统一的标签体系来进行实体关系抽取，以此实现对这个量任务交互信息的深入挖掘。
这个标签体系分别将实体和关系表示为矩形和正方形。
通过biaffine填表，然后通过三步解码还原出实体和关系。
作者的模型不仅效果好，而且效率高。

启发

统一的标签体系建模，可以考虑用在事件抽取、指代消解中；

参考链接

论文源码：https://github.com/Receiling/UniRE
相关工作：table filling https://aclanthology.org/C16-1239/

最后编辑于：2022.03.01 09:15:48

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 219,635评论 6赞 508
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 93,628评论 3赞 396
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 165,971评论 0赞 356
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 58,986评论 1赞 295
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 68,006评论 6赞 394
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 51,784评论 1赞 307
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 40,475评论 3赞 420
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 39,364评论 0赞 276
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 45,860评论 1赞 317
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 38,008评论 3赞 338
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 40,152评论 1赞 351
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 35,829评论 5赞 346
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 41,490评论 3赞 331
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 32,035评论 0赞 22
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 33,156评论 1赞 272
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 48,428评论 3赞 373
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 45,127评论 2赞 356