PFN模型整体结构和分区过滤编码器内部结构

01 前情提要

关系抽取目前的算法大概可以分为以下几种：

●Pipeline approach：

先抽实体，再判关系，比如陈丹琦大神的《A Frustratingly Easy Approach for Joint Entity and Relation Extraction 》

●Joint Entity and Realtion Extraction：

联合模型，目前我看过的有这么几种方式：

■将联合任务看做是一个填表问题，比如：table sequence，TPlinker

■将联合任务看做是一个序列标注问题，比如：ETL Span，PRGC

■将联合任务看做是一个seq2seq问题，比如：SPN4RE

这篇论文：Parition Filter Network（PFN，分区过滤网络）是一个联合模型，他们把问题定义为一个填表问题。

他们在总结之前论文的encoding层的时候，把之前的论文的encoding层分成了两类：

●sequential encoding：串行，先生成一个task的特征（一般都是NER），再生成另一个task的feature（一般就是关系抽取），而后面这个task的特征，是不会影响到前面那个task的特征的。

●parallel encoding：并行，两个task的特征是并行生成的，互不影响，只在input层面共享信息。

他们认为task间的信息没有得到很好的交互，（但其实Table sequence还是有交互的），其实现在很多算法里都在讲交互，比如NLU里面的SF-ID/Bi-Model。同时，之前也有论文（比如Table sequence和陈丹琦那篇论文）发现了关系预测和实体抽取有可能有些特征是不共享的（Table sequence为了解决这个问题，直接用了俩encoder，陈丹琦大佬那一篇直接是pipeline方法，本身就是俩模型）。而这篇论文想在一个Encoder中完成两个task的特征抽取，所以他们提出了一个分区和过滤的思路，找出“只与NER相关的特征”“只与关系预测相关的特征”和“与NER和关系预测都相关的特征”。

这里插一句，他们这篇论文效果是不错的，同时也得出了一个结论，这里提前贴一下，虽然之前有些模型论证关系抽取的特征部分是对NER有害的，但他们发现关系Signal对NER是有益的（或者说是部分有益的，因为他们做了分区）。

废话不多说了，下面介绍模型： 02 问题定义 给定一个文本，也就是一个输入序列：，其中表示下标是i的单词，L是句子的长度，目的是找到： ●找到所有的实体：，用token pairs的方式（填表），其中分别是这个实体的头和尾字，e是实体类型 ●找到所有的关系：，依然是token pairs的方式（填表），其中分别是subject的首字和object的首字，r是关系类型。 03 模型——PFN

模型主要包含两个部分：分区过滤编码器(Paritition Filter Encoder, PFE) 和 两个Task Unit (NER Unit 和 RE Unit)，如下图（图中其实还有一个Global Feature，这个按照论文中的解释可以算在Encoder里面）

模型整体结构和分区过滤编码器内部结构 >>> 3.1分区过滤编码器(PFE)

PFE是一个循环特征编码器，类似于LSTM。在每一个time step，PFE都会把特征拆分成为三个分区：entity partition/ relation partition/ shared partition，其中entity partition是仅与实体抽取相关的分区，relation partition是仅与relation相关的分区，shared partition是与两个任务都相关的分区。然后通过合并分区, 就会过滤走与特定task无关的特征（比如合并entity partition和shared partition，就可以过滤掉特征中仅与relation相关的特征）。

上面的流程会被拆分成两个部分：

●分区(Partition) ：拆分成三个分区

●过滤(Filter)：合并分区

分区过滤编码器

3.1.1 分区操作

如上图所示，PFN中类似LSTM，也定义了cell state（这个是历史信息）和 hidden state ，此外还定义了candidate cell state（就是候选分区的信息），relation gate，entity gate。 每个时间步t，分区操作流程如下： 首先计算candidate cell state:

然后计算relation gate和entity gate：

其中， 虽然这里只列了两个式子，但实际看上面的图就知道，这里的要生成两层分区，我叫他们“候选分区层”（负责对candidate cell state进行分区）和“历史分区层”（负责对 t-1 时间步的cell state进行分区），每层对应两个gate，我叫他们“候选relation gate”“候选entity gate”以及“历史relation gate”“历史entity gate”。

然后再在每层利用刚刚计算到的两个gate，生成三个分区（两层就是6个分区）：

图中为t-1时间步的历史分区，用t-1时间步的历史gate生成，t时间步的候选分区一个道理 这张图可以解释一下上面这个分区，图片来自官方代码的git

最后根据 t-1 时间步的 历史gate 和 历史信息cell state，和 t 时间步的 候选gate 和 候选信息candidate cell state，生成 t 时间步的三个分区的information：

这部分看代码可能更清晰：

  到这里，如果类比LSTM的话，cell state 和 hidden state 怎么更新，我们还不知道，同时得到三个分区信息按理说是互不重叠的。所以接下来我们让他们交互，同时看如果更新那两个state。             这里有一些问题，就是为什么有要用cummax操作，这是个什么玩意？？   这里主要是因为这篇论文在这里的gate设计上面参考了Ordered Neurons: Integrating Tree Structures into Recurrent Neural Networks中的设计。   这里我参考这篇论文简单说一下我的理解，需要对信息进行排序，切分，所以正好用一个二值gate  来描述，我们来计算这个gate。   假设我们用一个  表示g中某个位置出现第一个1的概率，看起来像是几何分布，但并不是，因为不是伯努利试验，所以算起来比较麻烦。   我们计算gate g中第k个位置是1的概率，就可以用累计分布函数:   。这样的话，我们就可以表示二值gate g每个位置为1的概率了，而因为二值gate g每个位置都是离散的，也不好用，所以就用概率来代替它，可以作为它的期望。   然后用这个概率去定义两个gate，一个单调增的cummax，一个单调减的cummax，防止冲突。  

3.1.2 过滤操作

首先，根据上一步生成的三个分区的信息，交互得到生成三个memory，以达到过滤的效果：实体相关/关系相关/shared

这里就达到了过滤的效果，实体部分过滤掉了仅与relation相关的，relation部分过滤掉了仅与实体相关的，shared部分包含了task间的信息，可以认为是平衡两个task 然后，三个memory分别过tanh得到相应的三个hidden state，直接从当前时间步的cell中输出，当做是 NER-specific Feature/ Relation-specific Feature/ Shared Feature，用于下一阶段的运算

最后，更新cell state 和 hidden state，三个memory拼接在一起过线性映射得到 t 时间步的 cell state，t 时间步的 cell state 过 tanh 得到 t 时间步的 hidden state

到这里，一个PFE 的 cell 就讲完了。

>>> 3.2 Global Representation

上面的 PFE Cell 其实是一个单向编码器，但一般嘛，大家都用双向的编码器，哪怕你用个BILSTM呢，也是双向的呀，本文为了代替双向编码器中的后向编码器，就提出了这个Global Representation。

具体来说就是获得两个task-specific全局的表征：分别用每个时间步的 entity-specific feature 和 relation-specific feature 拼接 shared feature，过线性映射和tanh，然后做个maxpooling over time，就获得了两个task-specific feature:

>>> 3.3Task Unit

Task Unit 包含两个Unit：entity Unit 和 Relation Unit，分别是两个填表任务

● Entity Unit

如果句子输入长度是L，那么表格的长度是L*L，表格中的（i, j）位置表示以第i个位置开始和第j个位置结束的span的Entity-Sepcific 表征，这个表征的为拼接：第i个位置和第j个的entity-specific feature，以及entity-specific global representation，过Linear以及ELU激活函数

接下来就是输出层：就是一个线性映射，映射到entity type数目的维数上，然后每维做sigmoid，判断是不是其代表的entity type（之所以采用这种多标签分类的方式，是为了解决overlapping问题）

● Relation Unit

如果一个句子长度是L，那么表格长度是L*L，表格中的 (i, j) 位置标示以第i个位置为首字的span，和以第j个位置为首字的span的 关系表征，这个表征的和Entity Unit差不多，拼接：第i个位置和第j个的relation-specific feature，以及relation-specific global representation，过Linear以及ELU激活函数

然后一样做多标签分类

>>> 3.4 训练和推断

●损失函数：两个BCE

●推断的时候有两个超参数阈值：实体阈值和关系阈值，都设置为0.5

04 实验 >>> 4.1 主要结果

可以看到，在使用同样的预训练模型的情况下，效果是要比TPLiner和Table Sequence要好的（Table Sequence是有一些交互的哟），同时这篇论文在WebNLG上的结果也比同时EMNLP2021论文的PRGC要好一点点(PFN-93.6, PRGC-93.0, TPLinker-91.9) >>> 4.2 消融实验

他们的消融实验主要进行了如下几个：

●编码器的层数实验：1层效果就很好 ●双向编码器Vs单向编码器：主要是为了证明他们的Global Representation的作用，结果发现效果真不戳，在他们的这一套里面，全局表征完全可以代替后向编码器，甚至效果更好 ■前向+G>双向+G>双向>单向 ●编码器的结果：他们换成了两个LSTM，发现他们的效果好 ■对于并行模式：entity 和 relation 分别过一个LSTM，只在input级别共享 ■对于串行模式：先过第一个LSTM，hidden state 用于entity预测，同时 hidden state会被送到第二层LSTM中去，结果用于预测relation ●分区粒度：这个我觉得实验设置一定是他们的好，没必要单拎出来讲 ●解码策略：两种，一种是relation只考虑entity prediction 结果的（解码时级联，relation不考虑所有单词，仅考虑candidate set），一种是他们这种两张表都填的（relation考虑所有单词） ■他们发现后者效果更好，原因可能有二：a. 前一种有误差传递；b. 第二种表中的负例多，有点对比学习的意思，因此学到的正例的表征更牛逼。

>>> 4.3 关系抽取的signal对NER的影响

之所以做这个实验，是因为之前有论文认为关系抽取的特征对NER在Joint模型中是有害的，因为两者需要的特征不同。他们只是部分同意这个观点，也就是说，关系抽取的特征部分是对NER有害的，但也有一部分对NER有益的，他们这篇论文其实就是识别出来哪部分有益，哪部分有害，并对有益部分加以利用。

4.3.1 关系内和关系外的实体抽取的差别

在主要实验中，ACE05里面他们的NER效果拉垮了，他们认为是关系外的实体很多，统计了一下有64%的实体都是关系外实体。

他们做了三个数据集上面的，关系内的实体识别效果F1都要好于关系外的。（SciERC中gap超大，因为SciERC中的实体专业程度更强，也更长，有关系效果更好），此外，precision的gap尤其大，证明失去了relation信息的，模型在entity上就会过拟合。

同时看到：关系外实体的占比 与 NER的效果是负相关的。这有可能是因为joint model的一个缺点：考虑到关系内和关系外的实体的推断逻辑是不一样的（一个有relation影响，一个没有），那么joint model有可能对关系外的NER的效果是有害的。

但我这里弱弱的问一句，这是不是说对于类外实体，如果gate可以做的更好，就可以效果依然棒呢，其他两个比它好的论文里面（Table Sequence也是交互的啊，PURE我还没看，回头看看）。

4.3.2 NER鲁棒性分析

他们与纯NER算法做对比，进行了鲁棒性的分析，发现他们的NER的鲁棒性还是不错的，可能的原因就是relation signals对实体进行了约束，从而让鲁棒性更强。

所以通过上面两部分，他们认为关系信息对NER效果是有帮助的。此外，提一嘴，他们反驳了陈丹琦大佬论文《A Frustratingly Easy Approach for Joint Entity and Relation Extraction》关于关系信息对NER的帮助比较小的结论，认为那篇论文是在ACE2005上面做的实验，类外实体太多了，所以效果不明显。

审核编辑：彭静