摘要

由于其他语言缺乏足够的训练数据，监督式开放信息抽取（OpenIE）的研究进展主要局限于英语。本文探索了自动将英文文本转换为其他语言以用于训练OpenIE系统的技术。为此，我们提出了一种名为对齐增强型约束翻译（Alignment-Augmented Constrained Translation, AACTrans）的模型，该模型能够一致地翻译英文句子及其对应的抽取结果，确保在翻译过程中不改变词汇或语义含义——这是独立翻译可能带来的问题。利用AACTrans生成的数据，我们训练了一种新型两阶段生成式OpenIE模型，命名为Gen2OIE。该模型对每个句子分两阶段输出：第一阶段识别关系，第二阶段生成包含该关系的所有信息抽取结果。Gen2OIE通过一种可推广至多种语言的训练数据转换技术，显著提升了关系覆盖范围，这与现有模型依赖英语特有训练损失的方法形成对比。在西班牙语、葡萄牙语、中文、印地语和泰卢固语共五种语言上的评估结果表明，采用AACTrans数据训练的Gen2OIE模型在F1分数上相较于先前系统取得了6%至25%的性能提升。