论文：Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme

1. 题目

Zheng S,Wang F,Bao H,et al.Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme.ACL

获得了Outstanding paper

2. 背景

研究关系与实体加联合学习的问题；

本文只考虑了一个实体属于一个三元组的情况，重叠关系的识别任务未解决，留到下一次研究。

3. 方法内容

提出了一种新的标注模式，把联合任务转化标签问题；

然后基于新标注模式进行了不同的end-end模型研究；

提出biased loss function损失函数，模型为BiLSTM+LSTM-bias。

3.1 新标注模式

N_t= 2∗4∗ |R|+ 1, *|R|*表示关系数；

如果有多个实体共享同一个关系，采用最近的原则来抽取；

3.2 模型

​ 对于每种关系，将其与（Begin,Inside，End，Single）以及头实体和尾实体的序号（1,2）组会起来进行关系抽取，并根据最后的标注结果进行解码，进而得到关系三元组。再者，该方法额外考虑了一个Other标签，主要表示不属于任何一种关系。如果总共有|R|种关系，那么一共就有2*4*|R|+1个标签。

Bi-LSTM编码层–常用的bi-lstm:

LSTM解码层:

softmax层：

Bias目标函数：

其中:

4. 实验

数据集: NYT

评估：Precision (Prec), Recall (Rec) and F1

4.1 结果

前面三行是pipeline方法，中间三行是联合方法；最后三行是论文提出的方法。

4.2 偏差损失分析

4.3 关于a的实验

5. 参考:

【1】实体-关系联合抽取：

Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme, /MaybeForever/article/details/102668087

【2】PPT：http://qngw./upload//04/Joint%20Extraction%20of%20Entities%20and%20Relations%20Based%20on%20a%20Novel%20Tagging%20Scheme.pdf

[3] 复杂语境下的实体关系抽取, https://mp./s/NAyuYMLDyx9Fut2blpvbRA

小结：论文提出了一种基于标注的联合模型的创新，虽然简单，可是这个是思维的一个开创；虽然重叠的情况没有解决，可是这个是一个很好的思路了。

如果觉得《[论文阅读笔记56]基于标注(NovelTagging方法)实体与关系联合抽取-ACL》对你有帮助，请点赞、收藏，并留下你的观点哦！