【NTU博士论文】将上下文融入开放信息抽取

开放信息抽取（OpenIE）是自然语言处理中的一项关键任务，旨在从开放领域的非结构化文本中提取结构化的关系三元组。这项技术非常适合许多开放世界的自然语言理解场景，例如问答系统、知识库/知识图谱构建、显式推理和文本摘要。与在可预测领域中具有预定义本体结构的封闭信息抽取（IE）任务不同，OpenIE的目标是以开放形式提取简洁但具有意义的实体和关系。因此，所提取三元组中的关系、主语/宾语的格式更加灵活，从而增加了评估的难度。同时，OpenIE的模式学习也极具挑战性，因为缺乏充足的金标准训练数据。现有的OpenIE模型通常通过无监督或远程监督的方式进行训练，因此所学得的模式往往不如金标准的效果。

在本论文中，我们提出了多种创新方法以应对OpenIE模式学习中的挑战。我们方法的核心主题是利用各种类型的上下文来提升OpenIE的表现。首先，我们提出通过文档级上下文来改进OpenIE。作为一项新任务，我们引入了DocOIE，这是第一个用于评估文档级OpenIE系统的专家标注数据集。在此背景下，我们提出了一种名为DocIE的神经OpenIE系统，可以利用文档级上下文来提取关系三元组。其次，我们研究了如何使用额外的句法信息作为外部上下文来改进OpenIE。我们设计了一种新策略，将组成树中的短语级关系映射为词级关系，并通过句法路径信息增强每个词的表示。我们提出了SMiLe-OIE，这是第一个通过GCN编码器和多视角学习结合异构句法信息的神经OpenIE系统。

第三，我们研究了如何提升OpenIE的效率和适应性。相应地，我们提出了一种新颖的"句子-块序列"（SaC）概念作为OpenIE的中间层，同时提出了Chunk-OIE，一种端到端的学习模型，该模型（i）将句子表示为SaC，并（ii）基于SaC提取三元组。通过与金标准三元组的数据分析，我们展示了块在OpenIE中提供了一种合适的标记跨度粒度。最后，我们提出并研究了一个新的研究任务，通过链接推测检测和OpenIE来检验OpenIE的可靠性。具体而言，我们提出检测三元组级推测，以确保OpenIE仅提取事实信息。为此，我们提出了SpecTup，一个用于检测三元组级推测的基线模型，结合语义（BERT）和句法（子依赖图）表示。 总之，尽管OpenIE问题已被确立并广泛研究，本论文为进一步改进OpenIE贡献了几个关键思想和概念。此外，本论文也为未来OpenIE的研究方向提供了有前景的启示。

https://dr.ntu.edu.sg/handle/10356/174529