通过实例级对抗训练去噪远程监督关系抽取
计算与语言
2018-05-29 v1
摘要
现有的神经关系抽取(NRE)模型依赖远程监督并受错误标注问题困扰。本文中，我们提出一种针对关系抽取实例的新颖对抗训练机制，以缓解噪声问题。与以往的去噪方法相比，我们提出的方法能更好地区分那些信息丰富的实例与噪声实例。我们的方法也高效且灵活，可应用于多种NRE架构。在关系抽取大规模基准数据集上的实验表明，我们的去噪方法能有效滤除噪声实例，并与最先进(state-of-the-art)模型相比取得显著提升。
引用
@article{arxiv.1805.10959,
title = {Denoising Distant Supervision for Relation Extraction via Instance-Level Adversarial Training},
author = {Xu Han and Zhiyuan Liu and Maosong Sun},
journal= {arXiv preprint arXiv:1805.10959},
year = {2018}
}