结合远程监督与人工标注的双重监督关系抽取框架
计算与语言
2020-11-25 v1 人工智能
摘要
关系抽取（RE）因其在知识库构建和问答等实际应用中的重要性而被广泛研究。现有工作大多在远程监督数据或人工标注数据上训练模型。为利用人工标注的高准确率和远程监督的低成本，我们提出双重监督框架，有效利用两类数据。然而，简单合并两类数据训练 RE 模型可能因远程监督的标注偏差而降低预测准确率。我们采用两个独立的预测网络 HA-Net 和 DS-Net 分别基于人工标注和远程监督预测标签，以防止远程监督错误标注导致的精度退化。此外，我们提出称为不一致惩罚的额外损失项，使 HA-Net 能从远程监督标签中学习。另外，我们利用附加网络通过考虑上下文信息自适应评估标注偏差。我们在句子级和文档级 RE 上的性能研究证实了双重监督框架的有效性。
引用
@article{arxiv.2011.11851,
title = {Dual Supervision Framework for Relation Extraction with Distant Supervision and Human Annotation},
author = {Woohwan Jung and Kyuseok Shim},
journal= {arXiv preprint arXiv:2011.11851},
year = {2020}
}
备注
Accepted to COLING 2020