面向关系抽取的全局关系嵌入
计算与语言
2018-04-20 v2
摘要
我们研究基于远程监督的文本关系嵌入问题。为应对远程监督的错误标注问题，我们提出利用关系的全局统计信息（即从整个语料库收集的文本关系与知识库关系的共现统计）来嵌入文本关系。该方法对远程监督引入的训练噪声表现出更强的鲁棒性。在一个流行的关系抽取数据集上，我们表明学习到的文本关系嵌入可用于增强现有关系抽取模型并显著提升其性能。尤为显著的是，对于现有最佳模型发现的前1,000个关系事实，准确率可从83.9%提升至89.3%。
引用
@article{arxiv.1704.05958,
title = {Global Relation Embedding for Relation Extraction},
author = {Yu Su and Honglei Liu and Semih Yavuz and Izzeddin Gur and Huan Sun and Xifeng Yan},
journal= {arXiv preprint arXiv:1704.05958},
year = {2018}
}
备注
Accepted to NAACL HLT 2018