图神经网络中用于关系抽取的通用且趋势感知的课程学习
计算与语言
2022-06-09 v2 人工智能
机器学习
摘要
我们提出了一种用于图神经网络的通用且趋势感知的课程学习方法。它通过引入样本级损失趋势来更好地区分易样本与难样本并安排其训练顺序，从而扩展了现有方法。该模型有效整合了文本图关系抽取中的文本与结构信息。实验结果表明，该模型对样本难度提供了稳健的估计，并在多个数据集上相比最先进 (SOTA) 方法取得了可观的提升。
引用
@article{arxiv.2205.08625,
title = {Generic and Trend-aware Curriculum Learning for Relation Extraction in Graph Neural Networks},
author = {Nidhi Vakil and Hadi Amiri},
journal= {arXiv preprint arXiv:2205.08625},
year = {2022}
}
备注
Long paper accepted at NAACL 2022