OpenIE提取事件三元组参数含义及重叠三元组过滤咨询

两个参数的具体含义 #

• max_entailments_per_clause 中的 entailment（蕴含结果）：指OpenIE从同一个不可拆分的原子子句出发，通过语义推理衍生出的、语义完全被原子子句覆盖的扩展提取结果。比如原子子句对应的核心事实是“股指期货指向开盘”，模型推理衍生出的“股指期货指向更高开盘”就属于这类蕴含结果——这个事实本身被核心事实包含，没有新增独立的事件信息。这个参数的作用就是限制每个原子子句最多生成多少条这类衍生结果。
• ignore_affinity 中的 affinity（亲和度）：是OpenIE内置介词附着判定模型输出的绑定关系打分，用来衡量修饰成分（定语、状语、介词短语等）和句子中不同实体、动作的绑定紧密程度。比如碰到宾语前的形容词定语，模型靠这个分数判断这个形容词到底是修饰当前宾语，还是和句子里其他成分绑定，分数越高代表绑定关系的置信度越高。

新闻标题场景下重叠三元组的解决方法 #

你碰到的带修饰语的冗余重叠三元组，本质就是模型生成的蕴含类扩展结果，按以下方式调整参数即可解决：

1. 将max_entailments_per_clause的值设置为1
   该配置会让每个原子子句仅保留最核心、无额外修饰扩展的基础三元组，不再生成带定语、状语的衍生蕴含结果。针对你给出的示例U.S. stock index futures points to higher start，配置后只会输出你需要的核心三元组('U.S. stock index futures', 'points to', 'start')，不会再出现带higher修饰的冗余结果。
2. 保持ignore_affinity为默认值False，不要手动设为True
   如果开启该参数（设为True），模型会跳过修饰成分绑定关系的判定步骤，反而会生成大量成分归属错误的冗余三元组，加重重叠问题。保留亲和度模型的正常运行，才能让模型准确识别higher是修饰start的附加成分，配合前面的蕴含数限制精准过滤冗余。

小提示：如果调整参数后仍有极少量重叠结果，可以加一层极简单的后处理规则：对主语、谓词完全一致的三元组，优先保留宾语长度最短、无附加修饰的结果即可，在新闻标题这类短文本场景下的过滤效果非常稳定。

内容的提问来源于stack exchange，提问作者R__