CANDiS：耦合与注意力驱动的神经远程监督
计算与语言
2017-10-30 v1
摘要
用于关系抽取的远程监督利用启发式对齐的文本数据与现有知识库作为训练数据。这种技术的无监督性质使其能够扩展到网络规模的关系抽取任务，但代价是训练数据中存在噪声。先前的工作探讨了同一实体对实例之间的关系以减少这种噪声，但尚未充分利用跨实体对实例之间的关系。我们探索了基于动词短语和实体类型相似性的实例间耦合的使用。我们提出了一种名为 CANDiS 的新技术，它将基于实例间耦合的远程监督转化为端到端的神经网络模型。CANDiS 在实例层面引入了一个注意力模块，以对该问题的多实例性质进行建模。CANDiS 在标准基准数据集上的表现优于现有的最先进技术。
引用
@article{arxiv.1710.09942,
title = {CANDiS: Coupled & Attention-Driven Neural Distant Supervision},
author = {Tushar Nagarajan and Sharmistha and Partha Talukdar},
journal= {arXiv preprint arXiv:1710.09942},
year = {2017}
}
备注
WiNLP 2017