[论文解读] More Data, More Relations, More Context and More Openness: A Review and Outlook for Relation Extraction

Xu Han, Tianyu Gao+8 more|arXiv (Cornell University)|Apr 7, 2020

Topic Modeling参考文献 129被引用 41

一句话总结

对关系抽取（RE）方法的全面评审，概述四个推进方向——更多数据、更高效学习、更复杂的上下文、以及更开放性——以及挑战和未来研究方向。

ABSTRACT

Relational facts are an important component of human knowledge, which are hidden in vast amounts of text. In order to extract these facts from text, people have been working on relation extraction (RE) for years. From early pattern matching to current neural networks, existing RE methods have achieved significant progress. Yet with explosion of Web text and emergence of new relations, human knowledge is increasing drastically, and we thus require "more" from RE: a more powerful RE system that can robustly utilize more data, efficiently learn more relations, easily handle more complicated context, and flexibly generalize to more open domains. In this paper, we look back at existing RE methods, analyze key challenges we are facing nowadays, and show promising directions towards more powerful RE. We hope our view can advance this field and inspire more efforts in the community.

研究动机与目标

• 综述关系抽取从基于模式和统计方法到神经模型的演变。
• 识别现实世界RE中的核心挑战，如数据质量、长尾关系、上下文复杂性以及开放域的增长。
• 提出提升RE的四个未来方向：更多数据、高效学习、复杂上下文处理，以及开放域的开放性。

提出的方法

• 对基于模式、统计方法和神经方法的现有RE文献进行综述。
• 总结监督、远程监督、少样本和文档级RE中的数据集、基准和评估趋势。
• 结合支持性实验和数据集分析，分析这四个前瞻方向。
• 结合实证证据并提供开源工具包以便复现（OpenNRE），突出两个关键挑战。

实验结果

研究问题

• RQ1 在现实世界场景中，当前RE方法的主要局限性是什么？
• RQ2 RE如何利用更多数据、更高效的学习、复杂上下文以及开放域以提升鲁棒性和可扩展性？
• RQ3 当远程监督、少样本或文档级RE扩展到开放域时会出现哪些挑战？
• RQ4 哪些公开数据集和工具最能阐明这些方向和挑战？

主要发现

• 神经RE模型在性能上显著优于早期方法，但在现实世界的复杂性面前仍然存在挑战。
• 远程监督引入标签噪声，减轻这类噪声对于鲁棒提取至关重要。
• 少样本和长尾关系需要超越标准监督RE的高效学习和领域迁移能力。
• 文档级上下文和跨句推理对许多事实至关重要，但仍未充分发展。
• 开放信息抽取和关系发现为开放域RE提供途径，但范式化（canonicalization）和NOTA处理尚未解决。
• 实体名和文本都对RE性能有显著贡献，在某些情形下名字本身就能在当前模型中优于文本。