利用紧凑隐空间聚类改进远程监督实体类型标注
计算与语言
2019-04-16 v1 人工智能
摘要
近来,远程监督在细粒度实体类型标注(FET)上取得巨大成功。尽管其在减少人工标注负担方面高效,但也带来处理错误实体类型标签的挑战,因为远程监督以与上下文无关的方式分配标签。现有工作利用部分标签损失缓解该问题,但通常受确认偏误困扰,即分类器拟合自身给出的伪数据分布。本工作中,我们提出以紧凑隐空间聚类(CLSC)正则化远程监督模型,以规避此问题并有效利用含噪数据。我们所提方法首先动态构建不同实体提及的相似图,通过标签传播推断含噪实例的标签。基于推断标签,相应更新提及嵌入,以促使语义相近的实体提及在嵌入空间中形成紧凑簇,从而获得更优分类性能。在标准基准上的大量实验表明,我们的CLSC模型以显著优势持续优于最先进的远程监督实体类型标注系统。
引用
@article{arxiv.1904.06475,
title = {Improving Distantly-supervised Entity Typing with Compact Latent Space Clustering},
author = {Bo Chen and Xiaotao Gu and Yufeng Hu and Siliang Tang and Guoping Hu and Yueting Zhuang and Xiang Ren},
journal= {arXiv preprint arXiv:1904.06475},
year = {2019}
}
备注
accepted by NAACL-HLT 2019