使用指针生成网络的概念抽取
计算与语言
2020-08-27 v1
摘要
概念抽取对许多下游应用至关重要。然而令人惊讶的是，直接的单标记/名词块-概念对齐或如DBpedia Spotlight的词典查找技术仍占主导。我们提出一种通用的开放域、面向OOV的抽取模型，该模型基于指针生成网络（pointer-generator network）的远程监督，利用双向LSTM与复制机制。模型在一个专为该任务从250K维基百科页面编译的大型标注语料上训练，并在常规页面上测试，其中指向其他页面的指针被视为真值概念。实验结果表明，我们的模型显著优于标准技术，且当置于DBpedia Spotlight之上使用时，可进一步提升其性能。实验还表明，该模型可轻易迁移到其他数据集，并在其上同样达到最先进（state-of-the-art）性能。
引用
@article{arxiv.2008.11295,
title = {Concept Extraction Using Pointer-Generator Networks},
author = {Alexander Shvets and Leo Wanner},
journal= {arXiv preprint arXiv:2008.11295},
year = {2020}
}
备注
Contribution to the Proceedings of the 22nd International Conference on Knowledge Engineering and Knowledge Management (EKAW 2020). A link to the final authenticated publication will be added once it is available online. Keywords: Open-domain discourse texts, Concept extraction, Pointer-generator neural network, Distant supervision