用异构表示连接语言与知识以进行神经关系抽取
计算与语言
2019-05-13 v3
摘要
知识库（KB）需要持续更新以反映其所表示世界的变化。对于通用知识库，这通常通过关系抽取（RE）来完成，即预测文本中提及知识库已知实体所表达的 KB 关系。改进 RE 的一种方法是使用 KB 嵌入（KBE）进行链接预测。然而，尽管 RE 与 KBE 之间存在明显联系，在系统性地恰当统一这些模型方面却鲜有进展。我们借助一个统一 RE 与 KBE 模型学习的框架来缩小这一差距，该框架在 RE 上取得了显著优于现有最优方法的性能。代码可在 https://github.com/billy-inn/HRERE 获取。
引用
@article{arxiv.1903.10126,
title = {Connecting Language and Knowledge with Heterogeneous Representations for Neural Relation Extraction},
author = {Peng Xu and Denilson Barbosa},
journal= {arXiv preprint arXiv:1903.10126},
year = {2019}
}
备注
Camera-ready for NAACL HLT 2019