面向多语言关系学习的事件引导去噪
计算与语言
2020-12-07 v1
摘要
通用关系抽取近期取得了可观进展,部分得益于 Soares 等人 (2019) 提出的海量数据密集型远程监督技术,该技术在多个基准上取得了最先进(state-of-the-art)结果。本工作中,我们提出一种从非标注文本收集高质量关系抽取训练数据的方法,以极小的训练代价近乎复现其零样本与少样本结果。我们的方法利用带日期标记的新闻文章可预测的分布结构来构建去噪语料库——抽取过程过滤掉低质量样本。我们表明,在此语料上训练的较小多语言编码器,在英西双语的少样本与标准关系基准上,尽管所用样本少得多(5 万对比 3 亿以上),在与当前最先进模型(两者均极少或未经微调)比较时表现相当。
引用
@article{arxiv.2012.02721,
title = {Event Guided Denoising for Multilingual Relation Learning},
author = {Amith Ananthram and Emily Allaway and Kathleen McKeown},
journal= {arXiv preprint arXiv:2012.02721},
year = {2020}
}
备注
COLING2020, short paper