通过自然语言推理改进远程监督关系抽取
计算与语言
2022-08-02 v1 机器学习
摘要
为了减少关系抽取（RE）任务中的人工标注，人们提出了远程监督方法，但其性能较低。在这项工作中，我们提出了一种新颖的 DSRE-NLI 框架，它同时考虑了来自现有知识库的远程监督以及来自预训练语言模型用于其他任务的间接监督。DSRE-NLI 利用半自动关系口语化（SARV）机制激活现成的自然语言推理（NLI）引擎，以提供间接监督，并进一步整合远程标注以惠及多分类 RE 模型。基于 NLI 的间接监督仅为每种关系从人类处获取一个语义通用的关系口语化模板，然后该模板集由从远程标注语料库中自动挖掘的高质量文本模式所丰富。通过两种简单有效的数据整合策略，训练数据的质量得到实质性提升。大量实验表明，所提框架在远程监督 RE 基准数据集上显著提升了 SOTA 性能（F1 最高提升 7.73%）。
引用
@article{arxiv.2208.00346,
title = {Improving Distantly Supervised Relation Extraction by Natural Language Inference},
author = {Kang Zhou and Qiao Qiao and Yuepei Li and Qi Li},
journal= {arXiv preprint arXiv:2208.00346},
year = {2022}
}