面向远程监督长尾关系抽取的层次关系引导型类型-句子对齐
计算与语言
2021-09-21 v1
摘要
远程监督利用知识图谱中的三元组事实标注语料以进行关系抽取，导致错误标注与长尾问题。部分工作利用关系的层次结构进行知识迁移以面向长尾关系。然而，一个粗粒度关系往往仅暗示远程事实的一个属性（如领域或主题），使得仅依据句子语义难以区分关系。一种解决途径是借助实体类型，但关于如何充分利用实体类型信息以及如何将多粒度实体类型与句子对齐仍存在开放问题。本工作中，我们提出一种新颖模型，以实体类型丰富远程监督句子。其包含（1）一个成对类型丰富句子编码模块，注入与上下文无关及相关的背景以缓解句子级错误标注；（2）一个层次类型-句子对齐模块，以三元组事实的基本属性丰富句子，从而支持长尾关系。我们的模型在基准上取得了总体与长尾性能的新最先进结果。
引用
@article{arxiv.2109.09036,
title = {Hierarchical Relation-Guided Type-Sentence Alignment for Long-Tail Relation Extraction with Distant Supervision},
author = {Yang Li and Guodong Long and Tao Shen and Jing Jiang},
journal= {arXiv preprint arXiv:2109.09036},
year = {2021}
}
备注
10 pages