基于边增强图对齐网络与词对关系标注的联合多模态实体关系抽取

基于摘要分析。本文研究多模态知识图谱构建中的联合多模态实体关系抽取（JMERE），提出 EEGA，将多模态命名实体识别（MNER）与多模态关系抽取（MRE）联合建模，并在视觉图与文本图之间同时对齐节点和边。 研究针对两个问题：分别处理 MNER 与 MRE 容易忽略任务间的双向交互；仅对齐视觉对象和文本实体，则无法充分利用实体之间及对象之间的关系。作者设计词对关系标注，以利用两个任务的双向交互，并旨在避免误差传播；同时引入边增强图对齐网络，利用边信息辅助对象与实体的对齐，寻找实体关系与对象关系之间的对应。摘要未说明具体标注体系、图构建方式、损失函数及训练流程。 作者报告实验表明模型有效，但摘要未提供数据集、划分协议、对照基线、评价指标或具体数值，因而无法核对性能提升幅度及各模块贡献。实验协议、消融及统计信息尚未验证；复现还需核对正文中的实现细节与资源可用性。 本文的主要研究对象是视觉与文本的多模态信息抽取，并非 EEG 信号分析或 BCI。来源的 EEG 分类不能作为相关性证据；材料未提供神经信号与实体关系图之间的具体对应路径，因此不据此提出 EEG 迁移方案。已有 EEG 相关工作尚未检索确认。