HiCLRE：一种用于远程监督关系抽取的分层对比学习框架
计算与语言
2022-03-03 v1 人工智能
摘要
远程监督假设任何包含相同实体对的句子都反映相同的关系。以往远程监督关系抽取（DSRE）任务的工作通常独立地关注句子级或包级去噪技术，忽视了与跨层次的显式交互。本文中，我们提出了一种用于远程监督关系抽取的分层对比学习框架（HiCLRE）以减少噪声句子，其整合了全局结构信息与局部细粒度交互。具体而言，我们提出了一种三层分层学习框架以与跨层次交互，通过改造现有的多头自注意力生成去噪的上下文感知表示，称为多粒度再语境化。同时，在特定层级通过基于动态梯度的数据增强策略（称为动态梯度对抗扰动）为对比学习提供伪正样本。实验表明，HiCLRE在各主流DSRE数据集上显著优于强基线。
引用
@article{arxiv.2202.13352,
title = {HiCLRE: A Hierarchical Contrastive Learning Framework for Distantly Supervised Relation Extraction},
author = {Dongyang Li and Taolin Zhang and Nan Hu and Chengyu Wang and Xiaofeng He},
journal= {arXiv preprint arXiv:2202.13352},
year = {2022}
}