具有减少假阴性与大类型覆盖的细粒度实体识别
计算与语言
2019-05-01 v1
摘要
细粒度实体识别（FgER）是检测并将实体提及分类到跨越生物医学、金融和体育等多样领域的大型类型集中的任务。我们观察到，当类型集跨越多个领域时，实体提及的检测成为监督学习模型的局限。其主要原因是缺乏在覆盖大量实体类型的同时正确标注实体边界的数据集。我们的工作直接解决了这一问题。我们提出了启发式结合远程监督（HAnDS）框架，以自动构建适用于FgER任务的优质数据集。HAnDS框架以流水线方式利用维基百科与Freebase之间的高度互联，减少了朴素使用远程监督方法所引入的标注错误。利用HAnDS框架，我们创建了两个数据集：一个适用于构建基于FIGER类型层次识别多达118种实体类型的FgER系统，另一个适用于基于TypeNet层次识别多达1115种实体类型。我们广泛的实证实验证明了所生成数据集的质量。此外，我们还提供了一个手动标注的数据集用于FgER系统的基准测试。
引用
@article{arxiv.1904.13178,
title = {Fine-grained Entity Recognition with Reduced False Negatives and Large Type Coverage},
author = {Abhishek Abhishek and Sanya Bathla Taneja and Garima Malik and Ashish Anand and Amit Awekar},
journal= {arXiv preprint arXiv:1904.13178},
year = {2019}
}
备注
Camera ready version, AKBC 2019. Code and data available at https://github.com/abhipec/HAnDS