近几年做结构化信息抽取的一些论文和模型
1. 最早拿阅读理解模型做关系抽取
Zero-Shot Relation Extraction via Reading Comprehension
基本框架：给定一个实体s以及一个候选关系e，从文本t中抽取出e(s, ?)所对应的关系（没有的话输出None）。
模型概况：
1）候选问题生成：给定实体s和关系e，根据问题模板生成问题q:
2）使用生成的问题q，在给定的句子t中抽取问题的答案，如果抽取出了答案，则组成三元组，否则句中没有对应的关系三元组。
模型细节：
1）候选问题生成使用模板；
2）qa模型用的BiDAF（一种经典的基于BiLSTM的问答模型）；
3）输出用的头尾指针标注，限定最多只能有一个答案，使用了softmax输出每个字作为答案头尾的概率，取头尾概率乘积最高的区间作为答案；空答案使用阈值过滤（还提出了另外一种空答案的过滤方式，但是没啥意义）。
额外说明：
1）模型没有给出实体s的抽取方法，按照正常推算应该是用NER的方法抽取得到。
2）标题的Zero-Shot的意思是：对于训练集中出现过的关系类型，使用新的问题模板，最后也能抽取得到关系三元组；对于训练集中没有出现过的关系类型，使用相似的问题模板生成问题，最后效果虽然很差，但是也能抽取得到一部分关系三元组。
2. 后起之秀，端到端地使用阅读理解模型抽取关系三元组
Entity-Relation Extraction as Multi-turn Question Answering
基本框架：给定一组实体关系三元组的schema，从句子t中抽取给定schema中的关系三元组，其中subject和object是句子t中出现的，predicate是schema给出的。
模型概况：
1）对于schema中的每一类关系三元组，根据模板生成两个问题：句子当中有没有提到subject类型的实体？句子当中提到的subject的predicate是什么？
2）设计一个问答模型来回答第一个问题，这个问答模型用来抽取subject，是一个多答案的问答模型；（对于一个句子，需要问多个问题来抽取所有的subject）
3）根据第一个问题的答案生成第二个问题；（对于一个已定类型的subject，需要生成多个第二类问题来抽取其相关的所有三元组，每个问题对应一类predicate）
4）设计一个问答模型来回答第二个问题，这个问答模型用来抽取object，这是一个单答案的问答模型；（这一步的每个问题与一个subject和predicate绑定，抽取得到的object可直接组成关系三元组）
模型细节：
1）两类问题的生成依靠模板，文中还设计了一个强化模型来根据不同的句子选择最为合适的模板；
2）文中的qa模型借鉴了BiDAF，但是最后使用的是BERT框架实现字/word的embedding，将问题和句子合并起来[CLS,Q,SEP,C,SEP]输入到BERT模型中得到embedding。
3）输出层使用的BMEO序列标注的方法；
4）两模型共用参数，一起训练，共用到什么程度文中没写，大概是所有参数都共用。
额外说明：
1）自己设计提出了一个中文的关系抽取数据集RESUME；
3. 拿阅读理解的框架做命名实体识别
A Unified MRC Framework for Named Entity Recognition
基本框架：给定一组实体类型，在句子s中抽取得到指定类型的实体，很多情况下实体之间会相互重叠（例如，鲁迅自传），文章致力于解决这个问题。
模型概况：
1）问题生成，根据实体类型生成相应的问题，问题当中包含这个实体类型的其他描述等信息。
2）使用阅读理解模型来回答这个问题，对应着抽取得到相应类型的实体。
模型细节：
1）问题生成靠人工，基本模板是问题+实体类型的描述
2）阅读理解模型使用的BERT模型，将问题和句子文本合并起来[CLS,Q,SEP,C,SEP]，经过BERT后其他网络没有描述；
3）输出层使用头尾指针标注，头尾指针标注时每个字有一个二维（是/否）softmax输出，最后得到每个字能否作为头尾实体边界。
4）最后头尾实体边界的匹配并不是就近匹配，而是使用了一个实体头尾边界匹配模型（二分类模型）来判断一头一尾能否匹配来得到指定的实体。
5）阅读理解模型和头尾实体边界匹配模型公用部分参数（BERT参数公用），loss加起来一起训练。
额外说明：
1）文章其实很简单，但是做了很多对比实验和分析：对比了其他各种NER模型，对比分析了是BERT的提升还是MRC阅读理解框架的提升，对比了Nested NER（实体之间有重叠）和Flat NER两种数据集上面的效果，对比了不同问题的生成方式的影响等等；
2）方法具有zero-shot效应：训练集中没有的实体类型，依照相似的方法生成对应的问题，也能在句子当中抽取得到相应类型的实体，虽然效果比较差。
4. 使用特殊的标注方法来进行端到端的实体关系抽取
Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme
基本框架：给定一组实体关系三元组的schema，从句子t中抽取给定schema中的关系三元组。将实体关系抽取建模为序列标注模型，采用特殊的标注方法端到端地抽取实体关系三元组。
模型概况：
1）序列标注模型将句子序列中的每个字进行标注；
2）对标注进行解码，得到实体关系三元组；
模型细节：
1）标注策略：给定实体关系三元组schema，一共有N类关系，标注标签最后有2*4*N+1种标签，最后的1是O（outside），对于每一类关系，有2*4种标签：(B-XX-1, I-XX-1, E-XX-1,S-XX-1)和(B-XX-2, I-XX-2, E-XX-2,S-XX-2)，分别表示头实体和尾实体的标注，头尾实体的标注使用标准的BIES标注手法。
2）序列标注模型：基于BiLSTM的encode-decode模型
3）针对标注进行解码：(B-XX-1, I-XX-1, E-XX-1,S-XX-1)和(B-XX-2, I-XX-2, E-XX-2,S-XX-2)标注出实体Subject-XX和Object-XX，然后两两就近匹配，组成（Subject,XX,Object）,XX就是predicate。
额外说明：
1）模型对最后的loss进行了调整，降低了O标签的权重，增加了relation相关标签的权重；
2）相同XX的Subject-XX和Object-XX可能有多组，这个时候模型采用就近匹配，不同XX之间不影响，无法处理实体重叠现象。
5. lic2019关系抽取比赛冠军队伍的模型
http://tcci.ccf.org.cn/summit/2019/dlinfo/1104-ljq.pdf
基本框架：给定一组实体关系三元组的schema，从句子t中抽取给定schema中的关系三元组。
模型概况：
1）存在关系识别模型：识别句子当中有哪些类型的实体关系三元组；
2）关系抽取模型：仿照上面的qa模型，将要识别类型的实体关系三元组类型信息与待抽取句子连起来，输入到一个标注模型当中。
标注模型给出每个字作为Subject开头、Subject结尾、Object开头、Object结尾的概率。
模型细节：
1）存在有两个模型：存在关系识别模型与关系抽取模型，前者只是为后一个模型进行一次初步的筛选，防止后一个模型需要遍历所有类型的关系三元组。
2）两个模型公用架构与大部分参数，基本架构为Bert+Dgcnn
3）存在关系识别模型的输入是待抽取的句子，输出是一个多分类sigmoid输出，用于判断句子中存在哪些关系类型，用于后一个模型遍历。
4）关系抽取模型输入是候选关系类型+待抽取句子，两者拼接起来输入，输出是每个字上面4个指针标注输出：作为Subject开头的概率、作为Subject结尾的概率、作为Object开头的概率、作为Object结尾的概率。
5）解码过程先产生Subject和Object候选集合，排除覆盖和相交部分（分数高者胜出），最后匹配形成三元组：
额外说明：
1）训练过程两个模型一起训练，预测过程先预测得到候选实体关系类型，遍历得到的结果，使用关系抽取模型抽取关系。
6. lic2019关系抽取比赛第7名队伍模型
https://kexue.fm/archives/6736
基本框架：给定一组实体关系三元组的schema，从句子t中抽取给定schema中的关系三元组。
模型概况：
1）Subject抽取模型：从待抽取句子当中抽取得到候选的Subject；
2）Predicate+Object抽取模型：遍历上面得到的Subject，抽取得到句子当中对应所有类型Predicate的Object，分别组成三元组。
模型细节：
1）模型分为两个部分，整体架构采用Embedding+DGCNN+self-attention+CNN的架构，整体设计非常复杂，如下图所示：
2）Subject模型负责得到所有候选的Subject，输出双层指针标注，分别表示subject的头和尾的位置，解码时就近匹配处理。
3）Predicate+Object模型，负责输出Subject对应所有Predicate的情况下，句子当中是否有Object以及Object位置，输出层对应每个Predicate有两层指针标注，分别表示对应类型的object的头和尾的位置，解码时就近匹配处理。
额外说明：
1）两个模型共用embedding+dgcnn部分的参数，并且一起训练； 随时获取华为云AI最新动态，欢迎关注华为云AI公众号：
随时获取华为云AI最新动态，欢迎关注华为云AI公众号：
