1 引言

关系抽取的任务是预测给定非结构化文本序列中一个实体对之间的关系, 预测的结果通常以三元组的形式呈现. 关系抽取作为知识图谱、智能问答、推荐系统等上层应用的基础支撑, 是一项重要的自然语言处理任务. 随着互联网高速发展, 非结构化文本激增, 如何使用关系抽取技术准确抽取结构化知识成为现阶段的研究热点和难点.

目前主流的方法大多是基于监督学习的, 即给出预定义的关系集合, 将关系抽取转换为关系分类任务. 这些方法通常以LSTM^[1]、CNN^[2]、GCN^[3]等网络为基础编码器, 融合多种特征后进行关系分类. Xu等人^[4]提出基于LSTM的融合句法依存分析树的最短路径(SDP)以及词向量特征、词性特征、WordNet特征和句法类型特征进行关系抽取相关工作, 并取得了不错的效果, 但是过多地依赖一些已有的自然语言处理工具包, 可能出现错误的积累传播; 于是Zeng等人^[5]提出使用CNN进行关系抽取, 利用卷积深度神经网络(CDNN)来提取词汇和句子层次的特征, 将所有的单词标记作为输入, 而无须复杂的预处理, 解决了从预处理系统中提取特征可能会导致错误传播并阻碍系统性能问题. 但CNN不擅长抽取全局特征, 因此为了弥补CNN在这方面的缺陷; 亢晓勉等人^[6]在文档级神经翻译任务中设计了5种位置编码对篇章结构编码以组织全局特征, 提升翻译质量, 这5种编码分别是绝对位置编码、相对位置编码、绝对深度编码、相对深度编码和路径位置编码. 同样的思想在Transformer系列的模型中有所体现, 如Vaswani等人^[7]在Transformer模型中提出使用正余弦变换表示单词的绝对位置以弥补自注意力机制中顺序丢失的问题. 虽然绝对位置能反映单词的位置, 但是不能反映单词与单词的内在位置关系, 因此Dai等人^[8]在Transformer-XL中提出了相对位置编码, 将单词之间的距离差作为词向量, 不仅标记位置而且反映单词之间的远近. 此外, Zhu 等人^[9]在图神经网络中提出另一种位置标记, 将主体和客体标记为0和1, 其余标记为2, 目的是突出实体的位置, 但没有突出实体和其他单词的位置关系. 上述方法的位置编码大部分只关注了绝对位置或相对位置中的一种, 却忽略了关系抽取任务的特殊性.

另一方面注意力机制作为捕捉重点信息的手段被引入关系抽取任务中, 其实现方法是将单词之间的相似度分数作为权重与词向量相乘. 后来的学者在此基础上开展了相关工作, Transformer^[7]系列的预训练语言模型如BERT^[10]、GPT3^[11]、RoBERTa^[12]等在自然语言处理任务中表现优异, 其内部的多头注意力机制可以捕获丰富的上下文关系. 在上述预训练语言模型中, BERT的应用最为广泛, 如Eberts等人^[13]使用BERT生成词向对文本进行片段划分, 然后再去判断每个片段所属的实体类型; 同时Rajpurkar等人^[14]还将BERT应用于SQuAD问答任务中, 其目的是找到答案片段的开始和结束位置. 与上述方法类似, 本工作中也使用BERT生成词向量.

单词建模后通常要进行关系向量的构造, 现有的构造方法大多是基于三段式池化拼接方法来展开的. 起初, Zeng等人^[15]在PCNN中提出以实体为分界点, 将句子分成3段, 分别进行最大池化后拼接形成关系向量; 后来, Guo等人^[16]提出在利用Mask机制将主体、客体和句子向量剥离后池化拼接; 而Zhu等人^[9]在GP_GCN模型中构造关系向量时, 直接将三者池化拼接得到关系向量, 句子向量没有剥离主体和客体向量. Lee等人^[17]提出使用注意力机制生成关系向量, 这些方法虽然从不同角度考虑了句子向量的组成部分, 但都忽略了实体之间的交互信息, 导致分类器的表现一般.

针对上述两个问题, 本文提出了新的解决方法BPI-BERT (method based on position encoding and entity interaction with BERT pretrained model), 其内容和贡献如下:

(1)对于位置编码没有针对性的问题, 提出了一种新的位置编码策略, 从多种角度考虑位置信息, 使得模型在不过多依赖外来工具包的情况下, 依然可以捕捉局部及全局的信息, 避免了引入外来工具导致的误差累积传播;

(2)对于关系向量缺乏实体交互信息的问题, 提出了一种实体交互策略, 使用哈达玛乘积构造主客体之间的交互信息以增强关系向量, 有益于分类器进行关系选择;

(3)实验表明, BPI-BERT在SemEval-2010 Task 8数据集上的精准率和F1均有提高, 证明了本文所提方法是有效的.

2 BPI-BERT

给定一个包含一对实体( $ e_1 $ , $ e_2 $ )的句子T, 其中 $ {{T}} = [CLS, T_1, \cdots, {T_i}, \cdots, {T_n}] $ , 模型的任务是对给定句子中的一对实体进行关系分类, 预测结果为关系 $ r \in R $ , 其中 $ R $ 是预定义的关系集合. 图1是BPI-BERT的模型结构图, 模型共分为3个模块, 分别是BERT编码器、位置编码器和关系分类器.

如上图所示, BERT编码器将输入的单词序列转换为词向量; 位置编码器根据实体标记得到实体的位置后对每个单词进行位置编码, 随后将二者拼接后得到最终的词向量; 关系分类器首先根据实体在句子中的位置分别提取词向量中的主体向量、客体向量及句子向量后再使用平均池化处理成同样尺寸的向量, 对主客体进行哈达玛乘积得到实体交互向量, 最后将四个向量拼接输入到Softmax函数中进行关系分类.

2.1 位置编码

本文所提位置编码记录了单词的绝对位置, 单词与实体之间的相对距离, 实体之间的相对距离. 这种记录方法能够清晰地记录实体、单词的位置, 相对关系. 其具体步骤如下:

(1) 读入句子, 根据实体标记得到两个实体的开始和结束位置 $e_1^{\rm{start}}$ , $e_1^{\rm{end}}$ , $e_2^{\rm{start}}$ , $e_2^{\rm{end}}$ , 除此之外还需要记录下句子长度 $ l $ .

(2) 位置向量的初始维度设置为4, 当前单词的位置用 i表示, 单词的位置向量 $ {p_i} $ 表示为 $[i/l, (i - e_1^{\rm{start}})/l, (i - e_2^{\rm{start}})/l, (e_2^{\rm{start}} - e_1^{\rm{start}})/l]$ .

(3) 使用单层前馈神经网络对步骤(2)中的向量进行转换 $p^{\rm{'}}_i=w_p \cdot p_i$ , 其中, $ w_p$ 是参数矩阵, $p^{\rm{'}}_i$ 是变换后的位置向量.

$ {p_i} $ 中第1个维度表示当前单词在句子中的位置, 第2个维度表示当前单词和实体1的相对位置, 第3个维度表示当前单词和实体2的相对位置, 第4个维度表示主体和客体的相对位置. 为了避免句子长度对位置编码的影响, 除以句子长度 $ l $ 的目的是消除句子长度对位置编码的影响, 起到归一化的作用. 本文所提位置编码不仅记录了单词位置, 突出了单词与实体之间的相对位置, 实体之间的相对位置, 还记录了单词在句中的位置, 使得模型可以捕捉句子间的内在关系, 起到数据增强的作用. 图2是位置编码的一个实例.

如图2所示, 给定的句子是“俗话说得好, 失败是成功的一部分”, 其中, “失败”和“成功”是标记的两个实体, “部分”是关系, 那么对于“好”字的位置编码是[5/14, −1/14, −4/14, 2/14]. 为了使位置编码更有表现能力, 本方法使用前馈神经网络对初始位置编码进行了变换.

2.2 BERT编码器

BERT自身的多头注意力机制可以捕获丰富上下文信息, 因此本工作使用BERT生成词向量, 供后续分类任务使用. 另外BERT内部已经实现自注意力机制, 所以本方法没有再添加其他注意力的计算, 以减少模型的参数量和训练时间. BPI-BERT词向量生成方法与Wu等人^[18]类似, 都是将实体标记字符转换为特殊字符后与句子中的其他单词共同输入到BERT中进行编码. BERT中的自注意力机制过程如图3所示.

将句子序列 ${{T}} = [CLS, {T_{\text{1}}}, \cdots, {T_i}, \cdots, {T_n}]$ 输入到BERT中, 输出为H:

$ H = [{h_0}, {h_1}, \cdots, {h_i}, \cdots, {h_n}] $

H是序列的词向量表示, 计算公式如下.

$ Attention = {\textit{Softmax}}\left(\frac{{Q{K^{\rm{T}}}}}{{\sqrt {{d_k}} }}\right)V $

(1)

$ H = MultiHead(T) $

(2)

式(1)是单头注意力的计算公式, 式(2)中的MultiHead是BERT多头函数, 是多个单头注意力拼接的结果, 目的是利用多头注意力挖掘词向量在不同空间维度上的含义, 从而获得带有丰富上下文语义的词向量. 将BERT生成的词向量和第2.1节得出的位置向量进行拼接, 得到最终的词向量表示:

$ H'=[h_i ; p'_i] $

(3)

其中, “;”表示拼接操作.

2.3 关系分类

传统关系向量的构造方法将主体向量、客体向量和句子向量池化后拼接后进行关系分类. 向量拼接的方法虽然保证信息的全面性但忽略实体之间的交互, 因此本文提出利用哈达玛乘积获得实体交互向量.

哈达玛乘积是向量对位相乘的一种计算方法, 在此处可以看作是一种特征交叉的手段, 用于学习实体之间高级且复杂的特征. 这种交叉特征不仅保留了原有的特征维度, 减少了信息损失, 而且在实际编码过程中也易于操作和实现.

关系向量的构造流程如图4所示.

如图4所示, 关系向量主要由4 个部分组成, 分别是主体向量、客体向量、句子向量(不包含主体和客体向量)及主客体的交互向量. 主体和客体可能由多个单词或字组成, 所以使用平均池化来获得相同尺寸的向量, 句子向量也是如此; 交互向量是将池化后的实体向量进行哈达玛乘积操作; 最后将4种向量以上图的顺序进行拼接, 得到关系向量.

$ {e_1} = avgpooling(e_1^{\rm{start}}, e_1^{\rm{end}}) $

(4)

$ {e_2} = avgpooling(e_2^{\rm{start}}, e_2^{\rm{end}}) $

(5)

$ s = avgpooling(H') $

(6)

$ so = {e_1} \cdot {e_2} $

(7)

$ r = [{e_1};{e_2};s;so] $

(8)

式(4)和式(5)中的start 和 end分别代表实体的开始和结束位置; avgpooling是平均池化函数, 使用avgpooling的目的是保留句子和实体的整体特征, 若使用最大池化可能会有信息丢失的问题. 最后将处理后的结果使用单层神经网络FFNN和Softmax函数进行关系分类.

$ {p_r} = {\textit{Softmax}}({\textit{FFNN}}(r)) $

(9)

本工作中的损失函数为交叉熵损失函数. 另外为了防止过拟合现象的出现, 在模型的全连接层及BERT注意力模块中均会加入dropout.

3 实验 3.1 数据集与评价标准

本任务使用的SemEval-2010 Task 8 数据集, 共包含10717 例子(其中8000条用于训练, 2717条用于测试), 关系类别的数量是19, 其中9种关系类型是有向的, 1种关系类型是不属于9种有向关系的其他关系类型. 这9种有向的关系类型分别是Cause-Effect, Component-Whole, Content-Container, Entity-Destination, Entity-Origin, Instrument-Agency, Member-Collection, Message-Topic和Product-Producer, 其他关系类型是Others.

本方法针对的是基于监督学习的关系分类任务, 首先对于模型抽取结果可以分成以下4种: TP (true positive), 指的是样本是正例且被预测为正例; FP (false positive), 指的是样本是负例但被预测为正例; FN (false negative)指的是样本是正例但被预测为负例; TN (true negative), 指的是样本是负例且被预测为正例. 针对分类问题本文使用精准率Precision和F1作为评价指标. 以下是其计算公式:

$ P = \frac{{TP}}{{TP + FP}} $

(10)

$ R = \frac{{TP}}{{TP + FN}} $

(11)

$ F1 = \frac{{2 \cdot P \cdot R}}{{P + R}} $

(12)

精准率P是从查准率的角度评估结果, 指的是预测为正例正确的数量占原本正例数量的比例; 召回率是从查全率的角度评估结果, 指的是预测为正例正确的数量占所有预测为正例数量的比例; 分类优化的目标是将Precision和Recall都尽可能地提高, 但有些极端的情况下二者不一定能正确地衡量关系分类的性能, 二者会相互影响相互制约, 一般来说, 精准率高时召回率会低, 召回率高时精准率会低, 因此使用F1-Measure将二者综合考虑, 作为主要的评价指标

3.2 实验参数设置

本文使用Uncased_L-12_H-768_A-12 版本的BERT预训练语言模型, 层数是12, 词向量的维度是768, 模型中的其他参数设置如表1所示.

3.3 实验结果分析

为了验证本文所提方法的有效性, 将本文所提的BPI-BERT与在SemEval-2010 Task 8数据集的其他方法如CRCNN^[19]、TRE^[20]、Entity Attention Bi-LSTM^[17]及Att-Pooling-CNN^[21]在同一实验环境下进行了对比, 表2给出了本文所提方法和上述方法在测试集上的评测结果, 表3给出本方法消融实验的结果, 表4给出了本文所提方法在所有关系类型上的P、R、F1的评价结果.

CRCNN模型是以CNN作为特征抽取器, 加入相对位置编码, 池化单词向量后进行关系分类, 并使用新的成对排序损失函数进行关系分类; TRE是以Transformer为编码器, 通过无监督的预训练学得句子的隐含语义特征; Entity Attention Bi-LSTM以Bi-LSTM为编码器, 利用注意力机制构造关系向量, Att-Pooling-CNN在构造关系向量时与Attention Bi-LSTM类似, 但使用的编码器是CNN. 本方法主要是在编码器的选择、位置编码方式、实体交互信息层面与这些方法进行对比. 上述方法均在同一实验环境下运行, 会有个别实验结果与原论文不一致的情况出现, 与其他方法的实验对比结果如表2所示.

由表2数据可知, 本文所提的BPI-BERT模型在精准率上达到84.87%, F1得分达到88.54%, 较先前的最优结果在F1得分上提升了0.5%. 由实验结果可知, BERT的精准率和F1上比CNN和LSTM高出许多, 表现优异, 相较于CNN和RNN等网络结构捕获了更加丰富的下文信息.

为了探索实体交互信息和位置信息对实验结果的影响, 本文在原有BERT模型的基础上加入了不同配置以验证本文所提方法的有效性. 下表是不同配置的实验结果.

本方法的baseline配置是未加入位置编码和实体交互信息, 只使用BERT进行编码. 另外本文还提供了3种配置: 一是加入位置编码, 二是加入实体交互向量, 三是在加入位置编码的基础上增加实体交互向量. 从实验结果上来看, 加入位置编码的配置比baseline在F1上提升了近0.3%, 提高的原因是位置编码中蕴含了单词与实体的内在联系, 突出了实体信息, 帮助模型定位实体的位置以及捕捉与实体相关的句子片段; 加入实体交互向量提升模型效果的原因是对实体交互信息有了向量上的定义, 并把这种向量表示融入到原有的关系向量中. 最后一种配置是同时加入位置编码和交互信息, 比前两种的单独配置在F1上提高了近0.2%. 3种配置在F1上的结果, 较baseline提升明显; 在精准率上的差别不大并而且同时加入位置编码和实体交互信息的模型比只加其中一种信息的模型在精准率上甚至还降低了一些. 综上所述, 本文所提出的位置编码和交互信息方法是有效的.

为了探索模型在不同关系类型上的性能表现, 本文将模型在所有关系类型上的实验结果进行了统计, 如表4所示.

由表4数据可知, 本文所提的BPI-BERT模型在Cause-Effect、Entity-Destination、Content-Container等关系类型上表现较好, P、R、F1的指标都达到近90%. 而在Other类型上表现较差, 比其他关系类型在评价结果上降低近15%, 原因可能是Others类型的样本数量偏多, 出现样本不平衡的问题, 后续工作会在数据类别不平衡问题上研究和改进.

4 结论与展望

本研究从位置编码出发进行关系分类, 在不依赖外部工具包的情况下, 加入句子本身包含的先验知识, 从而避免了外部工具包带来的错误传播; 此外, 本方法在传统关系向量构造方法上做出了改进, 加入了实体交互信息, 使得关系向量不再是简单拼接实体和句子信息. 从实验结果上来看BERT预训练语言模型表现确实优异, 是今后工作生成词向量的有效工具.

本文所提方法针对的是基于监督学习的关系抽取, 需要大量且优质的标注数据, 然而标注数据通常不易获得且标注困难, 所以今后的研究方向会偏向于数据生成和数据标注, 以此来扩展关系抽取的应用领域和应用场景. 另外关系类别分布不平衡的问题在现实中十分常见, 如何解决数据不平衡的问题也是之后的研究内容.