HiURE：面向无监督关系抽取的层次化样例对比学习
计算与语言
2025-06-19 v4 人工智能
摘要
无监督关系抽取旨在无需关系范围或分布先验信息的情况下，从自然语言句子中抽取实体间关系。现有工作要么利用自监督方案，通过迭代地借助自适应聚类与分类来精炼关系特征信号，但这会引发渐进漂移问题；要么采用实例级对比学习，不合理地将语义相似的句子对推远。为克服这些缺陷，我们提出一种名为 HiURE 的新型对比学习框架，其能够利用跨层次注意力从关系特征空间中导出层次化信号，并在样例级对比学习下有效优化句子的关系表示。在两个公开数据集上的实验结果证明，与最先进（SOTA）模型相比，HiURE 在无监督关系抽取上具有更优的有效性与鲁棒性。
引用
@article{arxiv.2205.02225,
title = {HiURE: Hierarchical Exemplar Contrastive Learning for Unsupervised Relation Extraction},
author = {Shuliang Liu and Xuming Hu and Chenwei Zhang and Shu`ang Li and Lijie Wen and Philip S. Yu},
journal= {arXiv preprint arXiv:2205.02225},
year = {2025}
}
备注
In NAACL 2022 as a long paper. Code and data available at https://github.com/THU-BPM/HiURE