论文标题：Nested relation extraction with iterative neural network (使用迭代神经网络进行嵌套关系抽取)

期刊：

作者：Yixuan CAO, Dian CHEN , Zhengqi XU, Hongwei LI , Ping LUO

发表时间：27 Jan 2021

DOI：

微信链接：

导读

目前的关系抽取研究主要关注实体间的单层二元关系，但是自然语言中很多对于事实的描述是复杂的，特别在对表达的准确性要求较高的专业领域如金融、生物明升手机版等。因此我们提出了嵌套关系抽取的问题，将其形式化定义为有向无环图的结构抽取问题。之后，我们提出了一个迭代的神经网络可以逐层抽取关系结构体。我们提出的方法在两个嵌套关系数据集（语义因果关系、公式关系）上达到了78.98和97.89的F1值。

我们还发现，嵌套关系常常表达在长句中，而对于同一实体常常有多次重复提及，这对标注提出了挑战。因此我们将模型扩展成为了提及不敏感的方法，这样标注就只需要在实体概念级别进行，而不需要指定具体的提及。我们的提及不敏感模型在提及选择的随机性大于0.3后，表现超过提及敏感的模型。

文章精要

摘要

Most existing researches on relation extraction focus on binary flat relations like BornIn relation between a Person and a Location. But a large portion of objective facts described in natural language are complex, especially in professional documents in fields such as finance and biomedicine that require precise expressions. For example, “the GDP of the United States in 2018 grew 2.9% compared with 2017” describes a growth rate relation between two other relations about the economic index, which is beyond the expressive power of binary flat relations. Thus, we propose the nested relation extraction problem and formulate it as a directed acyclic graph (DAG) structure extraction problem. Then, we propose a solution using the Iterative Neural Network which extracts relations layer by layer. The proposed solution achieves 78.98 and 97.89 F1 scores on two nested relation extraction tasks, namely semantic cause-and-effect relation extraction and formula extraction. Furthermore, we observe that nested relations are usually expressed in long sentences where entities are mentioned repetitively, which makes the annotation difficult and errorprone. Hence, we extend our model to incorporate a mentioninsensitive mode that only requires annotations of relations on entity concepts (instead of exact mentions) while preserving most of its performance. Our mention-insensitive model performs better than the mention sensitive model when the random level in mention selection is higher than 0.3.

相关内容推荐：

Frontiers of Computer Science

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机app领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和明升中国app引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“明升中国科技期刊国际影响力提升计划”；入选“第4届明升中国国际化精品科技期刊”；入选“明升中国科技期刊卓越行动计划项目”。

长按二维码关注Frontiers of Computer Science公众号

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础app、明升m88app、工程技术和人文社会app四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中13种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

高等教育出版社入选“明升中国科技期刊卓越行动计划”集群化项目。Frontier系列期刊中：13种被SCI收录；1种被A&HCI收录；6种被Ei收录；2种被MEDLINE收录；11种明升中国科技核心期刊；16种被CSCD收录。

明升中国学术前沿期刊网