Key points are not available for this paper at this time.
सार: वर्तमान में, एंटिटी और रिलेशन जॉइंट एक्सट्रैक्शन कार्य ने प्राकृतिक भाषा प्रोसेसिंग (NLP) के क्षेत्र में अधिक से अधिक विद्वानों का ध्यान आकर्षित किया है। हालाँकि, उनके अधिकांश तरीके NLP उपकरणों पर निर्भर करते हैं जो निर्भरता वृक्षों का निर्माण करते हैं ताकि वाक्य संरचना जानकारी प्राप्त की जा सके। निर्भरता वृक्ष द्वारा निर्मित निकटता मैट्रिक्स व्याकरण संबंधी जानकारी प्रदान कर सकता है। NLP उपकरणों के माध्यम से प्राप्त निर्भरता वृक्ष उपकरणों पर बहुत निर्भर होते हैं और संदर्भात्मक अर्थ वर्णन में बहुत सटीक नहीं हो सकते हैं। साथ ही, बेकार जानकारी की एक बड़ी मात्रा अतिरिक्तता का कारण बनती है। यह पेपर एक नवोन्मेषी एंड-टू-एंड एंटिटी और रिलेशन जॉइंट एक्सट्रैक्शन प्रस्तुत करता है जो मल्टी-हेड अटेंशन ग्राफ कंसोल्यूशनल नेटवर्क मॉडल (MAGCN) पर आधारित है, जो बाहरी उपकरणों पर निर्भर नहीं करता है। MAGCN एक मल्टी-हेड अटेंशन मैकेनिज्म के माध्यम से एक निकटता मैट्रिक्स उत्पन्न करता है ताकि एक अटेंशन ग्राफ कंसोल्यूशनल नेटवर्क मॉडल का निर्माण किया जा सके, कई संबंधों को पहचानने के लिए हेड चयन का उपयोग करता है, और ओवरलैपिंग संबंधों के भविष्यवाणी परिणाम को प्रभावी ढंग से सुधारता है। लेखकों ने तीन सार्वजनिक डेटासेट: NYT, WebNLG, और CoNLL04 पर इस विधि की प्रभावकारिता को व्यापक रूप से प्रयोग किया और साबित किया। परिणाम दर्शाते हैं कि लेखकों की विधि एंटिटी और रिलेशन एक्सट्रैक्शन के कार्य के लिए सबसे उत्कृष्ट शोध परिणामों की तुलना में बेहतर है।
ताओ और अन्य (सोमवार,) ने इस प्रश्न का अध्ययन किया।