[论文解读] Graphene: A Context-Preserving Open Information Extraction System

Matthias Cetto, Christina Niklaus+2 more|arXiv (Cornell University)|Aug 28, 2018

Natural Language Processing Techniques参考文献 7被引用 6

一句话总结

Graphene 是一个开放信息抽取系统，通过解耦从句和短语以提取核心事实与上下文关系，将复杂句子转化为紧凑且上下文感知的关系元组，同时通过修辞结构保留语义关系。该系统在基准测试中实现了最先进的精确率（50.1%），优于现有系统，在提取准确、可解释的命题方面表现更优。

ABSTRACT

We introduce Graphene, an Open IE system whose goal is to generate accurate, meaningful and complete propositions that may facilitate a variety of downstream semantic applications. For this purpose, we transform syntactically complex input sentences into clean, compact structures in the form of core facts and accompanying contexts, while identifying the rhetorical relations that hold between them in order to maintain their semantic relationship. In that way, we preserve the context of the relational tuples extracted from a source sentence, generating a novel lightweight semantic representation for Open IE that enhances the expressiveness of the extracted propositions.

研究动机与目标

• 解决现有开放信息抽取系统在处理具有嵌套或非标准关系的句法复杂句子时的局限性。
• 通过将过长的、单一的论元短语分解为语义上有意义的紧凑命题，减少其长度。
• 通过保留上下文和语义关系，提升所提取事实的表达力和可解释性。
• 开发一种轻量级、分层的语义表示，以支持问答和文本蕴涵等下游自然语言处理任务。
• 通过两层转换和修辞关系识别，实现准确且保留上下文的关系元组抽取。

提出的方法

• 应用两层转换流程：首先进行从句解嵌（clausal disembedding），将复杂从句拆分为独立句子；随后进行短语解嵌（phrasal disembedding），将非核心短语分离出来。
• 将输入句子转化为核心事实与关联上下文的分层结构，其中上下文通过修辞关系（如 CONTRAST、CONDITION 或 CAUSE）相连。
• 使用受修辞结构理论（Rhetorical Structure Theory, RST）启发的框架，对核心事实与上下文之间的修辞关系进行分类，以保持语义连贯性。
• 采用一种名为 RDF-NL 的新型格式表示提取出的元组，该格式同时编码关系元组及其上下文元数据，包括关系类型和文本内容。
• 以 N-Triples 格式序列化输出，便于机器消费，并集成到下游人工智能应用中。
• 提供 Graphene 的 Java API、命令行工具、REST 服务或 Docker 可部署系统，以实现广泛的可访问性。

实验结果

研究问题

• RQ1 如何将具有嵌套或非标准关系的句法复杂句子转化为紧凑且语义连贯的命题？
• RQ2 何种修辞关系最能保留核心事实与其上下文修饰语之间的语义关系？
• RQ3 轻量级、分层的关系元组表示能否提升开放信息抽取输出的准确率与可解释性？
• RQ4 通过修辞关系保留上下文在多大程度上能增强问答或文本蕴涵等下游自然语言处理任务？
• RQ5 Graphene 在复杂真实文本上的精确率与召回率方面，与当前最先进的开放信息抽取系统相比表现如何？

主要发现

• Graphene 在 OIE 基准测试中实现了 50.1% 的精确率，优于本研究中评估的所有其他系统。
• 该系统在提取准确且有意义的命题方面表现强劲，尤其在处理复杂的句法结构和上下文依赖关系方面。
• 召回率为 27.2%，Graphene 与顶级基线系统（召回率分别为 32.5% 和 33.0%）相比具有竞争力。
• 核心事实与上下文关系的分层表示提升了可解释性，并支持下游应用中的语义推理。
• RDF-NL 和 N-Triples 序列化格式促进了与知识图谱及语义推理流水线的集成。
• 该框架可通过 API、命令行或 Docker 部署，支持在多样化自然语言处理工作流中的广泛采用。