基于浅层远程监督方法的有效槽填充
计算与语言
2014-01-07 v1
摘要
萨尔兰大学口语系统实验室 (LSV) 今年以 5 次运行参加了 TAC KBP 英语槽填充赛道。一个名为 RelationFactory 的模块化端到端关系抽取系统捆绑了从文档检索到关系预测及响应后处理等流水线所有部分的有效算法。主要运行仅专注于浅层技术，在使用相同训练数据和模式的情况下，相较于 LSV 去年的系统取得了显著改进。改进主要源于专注于表面跳过 n-gram (surface skip n-grams) 的特征表示以及对提取的远程监督模式的评分改进。有效抽取的重要因素包括远程监督分类器的训练和调优方案，以及基于维基百科链接的翻译模型进行的查询扩展。在 TAC KBP 2013 英语槽填充评估中，提交的 LSV RelationFactory 系统主要运行取得了 37.3% 的顶级 F1 分数。
引用
@article{arxiv.1401.1158,
title = {Effective Slot Filling Based on Shallow Distant Supervision Methods},
author = {Benjamin Roth and Tassilo Barth and Michael Wiegand and Mittul Singh and Dietrich Klakow},
journal= {arXiv preprint arXiv:1401.1158},
year = {2014}
}
备注
to be published in: Proceedings of the Sixth Text Analysis Conference (TAC 2013)