基于约束图的远程监督长尾关系抽取
计算与语言
2022-05-18 v4
摘要
标签噪声和长尾分布是远程监督关系抽取中的两个主要挑战。近期研究在去噪方面取得了很大进展，但很少关注长尾关系问题。在本文中，我们引入约束图来建模关系标签之间的依赖关系。在此基础上，我们进一步提出一种新颖的基于约束图的关系抽取框架（CGRE）来同时应对这两个挑战。CGRE 采用图卷积网络将数据丰富的关系节点上的信息传播到数据匮乏的关系节点，从而提升长尾关系的表示学习。为了进一步增强抗噪性，CGRE 中设计了一个约束感知注意力模块来整合约束信息。大量实验结果表明，CGRE 在去噪和长尾关系抽取方面均比先前方法取得了显著改进。预处理的数据集和源代码公开于 https://github.com/tmliang/CGRE。
引用
@article{arxiv.2105.11225,
title = {Distantly-Supervised Long-Tailed Relation Extraction Using Constraint Graphs},
author = {Tianming Liang and Yang Liu and Xiaoyan Liu and Hao Zhang and Gaurav Sharma and Maozu Guo},
journal= {arXiv preprint arXiv:2105.11225},
year = {2022}
}
备注
Accepted by TKDE as a regular paper