袋式概念模型在有限数据下窄知识域的关系抽取中提升性能
机器学习
2019-04-25 v1 计算与语言
信息检索
机器学习
摘要
本文关注在有限标注数据和窄知识域背景下的传统关系抽取任务。我们使用一个由 200 封乳腺癌随访治疗信组成的临床语料库来探索该任务，其中标注了 16 种不同类型的关系。我们实验了一种称为窗口受限共现（WBC）的抽取类型化关系的方法，该方法在相关类型的实体提及周围使用可调上下文窗口，并将其性能与更典型的句内共现基线进行比较。我们进一步基于最先进的词嵌入和词同义词引入了一种新的袋式概念（BoC）特征工程方法。我们通过与更高复杂度方法的比较展示了 BoC 的竞争力，并探索了它在该小数据集上的有效性。
引用
@article{arxiv.1904.10743,
title = {A bag-of-concepts model improves relation extraction in a narrow knowledge domain with limited data},
author = {Jiyu Chen and Karin Verspoor and Zenan Zhai},
journal= {arXiv preprint arXiv:1904.10743},
year = {2019}
}
备注
To appear in Proceedings of the Student Research Workshop at the North American Association for Computational Linguistics (NAACL) meeting 2019