基于特征丰富的组合嵌入模型改进关系抽取
计算与语言
2015-09-16 v3 人工智能
机器学习
摘要
组合嵌入模型基于其组成词语的嵌入来构建语言结构的表示（或嵌入）。我们提出了一种特征丰富的组合嵌入模型（FCM），用于关系抽取，该模型表达能力强、可泛化到新领域且易于实现。关键思想是将手工设计的（未词化）特征与学习到的词嵌入相结合。该模型能够直接应对传统组合嵌入模型所遇到的困难，例如处理任意类型的句子标注以及利用全局信息进行组合。我们在两个关系抽取任务上测试了所提出的模型，并证明我们的模型在 ACE 2005 关系抽取任务和 SemEval 2010 关系分类任务上均优于先前的组合模型和传统特征丰富模型。将我们的模型与带有手工设计特征的对数线性分类器相结合，取得了最先进的结果。
引用
@article{arxiv.1505.02419,
title = {Improved Relation Extraction with Feature-Rich Compositional Embedding Models},
author = {Matthew R. Gormley and Mo Yu and Mark Dredze},
journal= {arXiv preprint arXiv:1505.02419},
year = {2015}
}
备注
12 pages for EMNLP 2015