2021-05-10 你以为我在蹭热点？tplinker，没错，这个名字就是让人印象深刻。

    这篇简单介绍一下《TPLinker：Single-stage joint extraction of entities and relations through token pair linking》这篇三元组抽取的文章。

    首先我们从研究背景入手。信息抽取的流程有两种：pipeline和joint两种，其中pipeline方法由于存在错误累加和特征利用低，近年来大家关注joint方式，但是joint方式的缺点也很明显：在处理实体重叠、三元组数目不唯一时的召回率较低。苏剑林提出过半指针半标注的方法（在下惭愧，目前水平只能在这里想当然 -_- ），一定程度上可以解决多spo的问题。本文提出了字符对的标注方式，即通过将主语、谓语的首位字符建立三种标注标签，在给定scheme下的分类训练，通过穷举存在判断的解码实现对三元组的抽取，下面结合图片进行展开。

图片出自论文

    给定语句：the mayor of new york city de blasio is native-born（纽约市张db是本地出出生的）。

    实体1：new york  = new york city，存在嵌套重叠

    实体2：de blasio

    标注1：EH-ET 实体头-实体尾

    标注2：SH-OH 主语头-宾语头

    标注3：ST-OT 主语尾-宾语尾

    由于语境和schema定义的不同，存在主语和宾语互换的情况，因此标注2和3导致存标注矩阵中下三角并不为空，通过对称映射，将下三角映射到上三角，实现对标注矩阵的简化，这一映射过程类似握手，是论文中handshaking的来源。下面对标注体系实现的抽取进行看图说话。

图片出自  论文

    上图所示，经过hidden层和handshaking kernel的encoding，序列每个时刻的输出被字符分类器进行多分类，共有2*N+1个类，其中1存储实体，N存储predicate类型，2存储H2H，T2T标注。序列长度为(n*n+n) / 2，其实我并不知道括号里那个被加上的n是怎么来的qaq。解码过程：将实体存储在D，T2T存在集合E，对所有的H2H遍历D和E，取出主语和宾语，按照predicate进行结构化。。。。。

    其中很多数学表达我是一窍不通，以后努力补上。

    其实学习没有对比就没有进步，想要理解这篇文章更好的办法是和其他方案进行对比，找到异同点，以后争取理解更深点，做对比论述。

完全按照paddle的baseline实现，存在如下几个问题有待解决：

    1.paddle的tokenclassfication的与bert+linear有何异同，是单纯的封装吗

    2.如何将text和spo从文本到编码

    3.预测时怎么写成文本

    4.优化方案有哪些（损失函数、特征复用）