实体与关系联合抽取
通过循环交互网络同时学习隐式和显式多任务交互，提升信息抽取中相关任务的联合学习效果。
Sun, Kai · 张日崇 · Mensah, Samuel · Mao, Yongyi · 刘旭东
ACM Transactions on Information Systems 2023
利用中间层预测作为代理，通过注意力机制和序列学习模型捕捉任务输出间的相关性，逐步提升各任务预测。
避免了传统方法中共享表示可能包含的其他任务噪声，提升表示质量。
通过早期预测集成和循环结构，不再平等对待所有任务，适应任务间复杂度差异。
在实体识别与关系分类、方面与观点词共提取等多个基准数据集上取得最先进性能。