摘要

基于深度神经网络的监督式关系抽取方法在近年来的信息抽取领域中发挥了重要作用。然而，由于复杂关系的存在，当前这些方法的性能仍未能达到理想水平。另一方面，近年来提出的预训练语言模型（Pre-trained Language Models, PLMs）在通过微调与下游任务模型结合后，已在自然语言处理的多项任务中取得了显著成果。然而，PLM原有的标准任务中尚未包含关系抽取任务。我们认为，PLM同样可用于解决关系抽取问题，但有必要设计专门的下游任务模型，甚至定制化的损失函数，以有效应对复杂关系的挑战。本文提出了一种新型网络架构，并配套设计了特殊的损失函数，用作PLM的下游模型，以实现监督式关系抽取。实验结果表明，所提方法在多个公开的关系抽取数据集上显著超越了当前最优的基线模型。