实体概念增强的小样本关系抽取
计算与语言
2021-06-07 v1 人工智能
机器学习
摘要
小样本关系抽取（FSRE）在长尾分布问题中具有重要意义，尤其在低资源数据的特殊领域。现有多数 FSRE 算法仅基于句子信息及已识别实体对，因样本有限且缺乏知识，难以准确分类关系。为解决该问题，本文提出一种新颖的实体概念增强小样本关系抽取方案（ConceptFERE），引入实体的固有概念为关系预测提供线索并提升关系分类性能。首先，设计概念-句子注意力模块，通过计算每个实体多个概念与句子的语义相似度，筛选最合适概念；其次，提出基于自注意力的融合模块，以弥合来自不同语义空间的概念嵌入与句子嵌入间的鸿沟。在 FSRE 基准数据集 FewRel 上的大量实验证明了所提 ConceptFERE 方案相较最先进基线的有效性与优越性。代码见 https://github.com/LittleGuoKe/ConceptFERE。
引用
@article{arxiv.2106.02401,
title = {Entity Concept-enhanced Few-shot Relation Extraction},
author = {Shan Yang and Yongfei Zhang and Guanglin Niu and Qinghua Zhao and Shiliang Pu},
journal= {arXiv preprint arXiv:2106.02401},
year = {2021}
}
备注
Accepted at ACL2021