[IJCAI-ECAI2018]Joint Extraction of Entities and Relations Based on a Novel Graph Scheme

之前看的文章都是参数共享，该文章是
刚看完，觉得还是非常不错的．
大概了解下本文要做的任务，即要识别实体，又要判断实体之间的关系，由图１给出的例子中，单词１(Join)是实体，类型是person, 单词４，5 (Los Angeles)是实体，类型是地点，以此．．．．，　然后是三个实体之间的关系．本文文章不是参数共享，而是已知的第一篇在神经网络中用的joint decoding. 实体的识别和关系的判断是交叉进行的，两个子任务之间是相互促进，相互有帮助的．

Table 3以图１的例子给出了详细的解析过程，特别注意的是12 state, σ σ 中实体个数多于一个时就弹出上面一个元素 5∗ 5 ∗ 到 δ δ 中，然后判断 δ δ 中的这个元素 5∗ 5 ∗ 与 β β 中的实体 6∗ 6 ∗ 判断是否有关系，有关系就存放入R中，在13 state中， σ σ 中的元素 1∗ 1 ∗ 与 β β 中 6∗ 6 ∗ 判断是否有关系，如果有关系，就存入R中．接下来将 δ δ 中的 5∗ 5 ∗ 移出放入 σ σ 中， β β 中的 6∗ 6 ∗ 同上

Figure 6解释了用recursive neural network编码关系的过程

明天更