DiS-ReX：一个用于远程监督关系抽取的多语言数据集
计算与语言
2021-04-20 v1 机器学习
摘要
远程监督（DS）是一种成熟的技术，可在不使用人工标注的情况下创建大规模关系抽取（RE）数据集。然而，DS-RE 的研究大多局限于英语。将 RE 限制为单一语言阻碍了利用其他语言中大量数据的可能，而这些数据本可抽取更多样的事实。最近，一个多语言 DS-RE 数据集被发布。然而，我们的分析显示该数据集呈现出不真实的特性：1）缺乏不表达任何关系的句子；2）给定实体对的所有句子恰好表达一种关系。我们表明这些特性导致对模型性能的严重高估。为此，我们提出一个新数据集 DiS-ReX，以缓解这些问题。我们的数据集包含超过 150 万条句子，覆盖 4 种语言，具有 36 个关系类别 + 1 个无关系（NA）类别。我们还通过用 mBERT 编码句子来修改广泛使用的包注意力模型，并提供了多语言 DS-RE 的首个基准结果。与竞争数据集不同，我们表明我们的数据集具有挑战性，并为该领域未来研究留有充足空间。
引用
@article{arxiv.2104.08655,
title = {DiS-ReX: A Multilingual Dataset for Distantly Supervised Relation Extraction},
author = {Abhyuday Bhartiya and Kartikeya Badola and Mausam},
journal= {arXiv preprint arXiv:2104.08655},
year = {2021}
}