关系抽取TPLinker: Single-stage Joint Extraction of Entities and Relations Through Token Pair Linking

纵轴为头，横轴为尾，图中的两个红色 1 标签分别标注了（北，市）和（北，府），代表“北京市”和“北京市政府”为两个实体。

实体解决了，那么关系怎么办呢？那是一个下午，落日的余光洒在地板上显得格外刺眼，我看了一眼客厅的沙发，忽然想起了那天夕阳下的思考。一拍脑袋，邻接矩阵不就是用来表示节点关系的吗？实体关系可不可以也用两个 token 的关系来表示呢？答案又呼之欲出了。对，那就是 subject 和 object 的头部 token 以及尾部 token。例如：（周星驰，演员，喜剧之王）-> （周，演员，喜），（驰，演员，王）。

有些同学可能会疑惑为什么还要标尾部 token，头部 token 对的关系不就已经足够表达关系了吗？那是因为如果不确定尾部边界，仍然无缝解决嵌套问题。如前文例子中的“北京市”和“北京市政府”就是共享头部 token 的嵌套实体。

有些小伙伴可能已经看出来了，我们不知不觉就把 subject 和 object 在同一解码阶段确定了下来。于是，曝光偏差就不存在了。

其中紫色标签代表实体的头尾关系，红色标签代表 subject 和 object 的头部关系，蓝色标签代表 subject 和 object 的尾部关系。

上三角形状的标注，提高标注效率

从图2的左面板可以看出，矩阵是非常稀疏的，尤其是下三角区域。因为实体尾部不可能出现在实体头部之前，所以下三角区域的标签都是0，这是对内存的巨大浪费。但是，客体可能出现在对应的主体实体之前，这意味着直接删除下三角区域是不合理的。在此之前，我们将下三角区域中的所有标记1映射到上三角区域中的标记2，然后删除下三角区域。如图二右侧所示。

为了方便张量计算，用一个映射来记住原始矩阵中的位置。这个序列就像所有标记的握手，这就是为什么我们把这个方案称为握手标记方案的原因。

图2左侧中的案例表明，这个标记方案可以自然地处理单点重叠问题和嵌套实体问题。在本例中，“New York City”和“New York”是嵌套的，并共享同一个对象“De Blasio”，这对以前的许多方法都是一个挑战性的问题。

然而，通过这种标记方案，这三个实体和两个三元组都可以很容易地解码。然而，由于不同的关系不能被标记在同一矩阵中，因此该方法不能处理实体对的实体重叠问题。为了解决这个问题，我们对每个关系类型执行相同的矩阵标记工作。

EH-ET实体头 -实体尾的标记被所有关系共享，因为它关注于一般的实体提取，而不局限于特定的关系类型。
总的来说，如图3所示，将联合提取任务分解为2N+1序列标记子任务，其中N表示预定义关系类型的数量，每个子任务构建一个长度为（n2 + n）/2的标签序列，其中N为输入语句的长度。我们的标记方案似乎是非常低效的，因为标记序列的长度随着句子长度的增加呈平方数增加。幸运的是，我们的实验表明，利用编码器顶部的轻量级标记模型，TPLinker比起目前的SOTA很有竞争力。因为编码被所有标记共享，并且只需要一次产生n个token的表示。

解码

在图三中，(" New "， " York “)， (” New "， " City “)和(” De "， " Blasio ")在属性中被标记为EH-ET序列，意思是“New York”，“New York City”，和“De Blasio ”是三个实体。
对于关系“mayor”，(“New”，“De”)在SH-to-OH序列中被标记为1，这意味着以“New”开始的主语的mayor就是以“De”开始的对象。(“City”，“Blasio”)在ST-to-OT序列中被标记为1，这意味着主体和客体都是以“City”和结尾的实体分别为“Blasio”。根据这三个序列所代表的信息，可以解码出一个三元组:(“纽约市”，“市长”，“白思豪”)。

算法1解释了解码的过程。
首先，从EH-ET序列中提取所有跨越的实体，然后用字典D将每个头位置映射到以该位置开始的对应实体。接下来，对每个关系，我们首先解码ST-OT序列，将他们添加到一组E，然后解码SH-OH，从字典D里查找以头实体位置开始的可能实体。最后，我们迭代所有候选主体客体对，检查他们的尾位置是否在E中。如果是，新的三元组答案被提取，添加到结果集T中。