Deeper Task-Specificity Improves Joint Entity and Relation Extraction

  • 来源:arXiv:2002.06424v1
  • 任务:jre
  • 动机:ner 和 re 两个 task 不一样,因此需要有 task-specific 的结构参数,
  • 方法: 于是作者就这样设计了结构,一个共享的几层 rnn ①,上面 ner 和 re 分别分出各自的 rnn layers,记为 ②③。整体还是 pipeline 的方式,基于 ner 的结果预测 relation
  • 实验:作者控制 ①+② ①+③ 总层数不变,调整 ① 层数,相当于在保证总体参数量不变的情况下,让两个 task-specific layers 层数变化,以此判断 task-specific layers 是否有用。 结果就在这里,发现 task-specific layers 对 re 有非常大的作用,对 ner 倒是作用比较小

发表评论