摘要

本研究提出了一种基于表格表示的新方法，用于从非结构化文本中提取命名实体及实体间关系。该方法利用上下文相关的词嵌入（contextualized word embeddings），在无需复杂手工特征或复杂神经网络架构的情况下，有效计算实体提及项的表示以及长距离依赖关系。此外，我们引入一种张量点积（tensor dot-product）机制，一次性预测所有关系标签，避免了依赖历史信息的预测过程或搜索策略。上述改进显著简化了命名实体与关系抽取的模型结构与算法设计。尽管模型结构简洁，实验结果表明，该方法在CoNLL04和ACE05英文数据集上均优于当前最先进的方法。此外，在提供多句上下文进行信息聚合的情况下，该方法在ACE05数据集上的命名实体识别（NER）性能也达到了与当前最先进NER模型相当的水平。