Relation, es-tu là ? Détection de relations par LSTM pour améliorer l’extraction de relations

De nombreuses methodes d’extraction et de classification de relations ont ete proposees et testees sur des donnees de reference. Cependant, dans des donnees reelles, le nombre de relations potentielles est enorme et les heuristiques souvent utilisees pour distinguer de vraies relations de co-occurrences fortuites ne detectent pas les signaux faibles pourtant importants. Dans cet article, nous etudions l’apport d’un modele de detection de relations, identifiant si un couple d’entites dans une phrase exprime ou non une relation, en tant qu’etape preliminaire a la classification des relations. Notre modele s’appuie sur le plus court chemin de dependances entre deux entites, modelise par un LSTM et combine avec les types des entites. Sur la tâche de detection de relations, nous obtenons de meilleurs resultats qu’un modele etat de l’art pour la classification de relations, avec une robustesse accrue aux relations inedites. Nous montrons aussi qu’une detection binaire en amont d’un modele de classification ameliore significativement ce dernier.