半监督关系抽取研究综述
计算与语言
2021-03-16 v1 人工智能
信息检索
摘要
关系抽取（RE）在从非结构化文本中提取知识方面发挥着重要作用，但需要大量标注语料。为减少昂贵的标注工作，半监督学习旨在利用有标签与无标签数据。本文回顾并比较了深度学习和元学习下三种典型的半监督关系抽取方法：自集成，在扰动下强制一致性但可能面临监督不足；自训练，迭代生成伪标签并以扩充的标注集重新训练自身；对偶学习，利用原始任务与对偶任务提供相互反馈。Mean-teacher（Tarvainen 和 Valpola，2017）、LST（Li 等人，2019）和 DualRE（Lin 等人，2019）分别作为代表被详细阐述，以缓解这三种方法的缺陷。
引用
@article{arxiv.2103.07575,
title = {A Review on Semi-Supervised Relation Extraction},
author = {Yusen Lin},
journal= {arXiv preprint arXiv:2103.07575},
year = {2021}
}