- 来源：NCAA 2021
- 机构：华南师大
- 任务：joint re 俩任务特征分开，在识别 overlapping relation 上好
- 方法：没有自己的方法，对比了 multi-head，two-EMNLP，novel-tagging，TPlinker 四个方法，前俩是在 ner re 任务上把特征分开的，后俩是融合的。
- 实验：
- 对比了在 nyt/webnlg 和 ace/conll 的两类方法，在同一个数据集上跑之后，nyt 的方法差了很多… 我怀疑就是前一套数据集 train/test 重复太多了…当然，作者说的是，N2C2 数据集里面都是一个药跟很多实体发生关系，因此 80% 都是 SEO 的 triple，因此证明前两种方法对 SEO 表现比较好… 这我有点不信…
- 在 N2C2 数据集上 2better1 不如 更早的 multi-head… 而且还是大幅的低。原因在于，N2C2 句子很长，table filling 受不住，需要切分句子，就对最终结果有很大影响。