摘要

近年来，序列生成在信息抽取任务中展现出良好的性能，这得益于大规模预训练序列到序列（Seq2Seq）模型的引入。本文研究了在关系抽取（Relation Extraction, RE）任务中采用序列生成方法的优势，发现当以关系名称或其语义同义词作为生成目标时，这些关系之间的文本语义及其在词序模式上的关联性会显著影响模型的性能。为此，本文提出了一种名为“带标签增强的关系抽取”（Relation Extraction with Label Augmentation, RELA）的Seq2Seq模型，该模型通过自动扩充关系标签来提升抽取效果。所谓标签增强，即为每个关系名称自动生成其语义同义词作为生成目标。此外，本文还对Seq2Seq模型在处理关系抽取任务时的行为进行了深入分析。实验结果表明，RELA在四个主流关系抽取数据集上均取得了与现有方法相当甚至更优的性能，验证了该方法的有效性与竞争力。