利用基于词与实体的注意力改进远程监督关系抽取
计算与语言
2018-04-20 v1
摘要
关系抽取是给定句子中两个实体间关系分类的问题。远程监督（DS）是一种以有限监督起步开发关系抽取器的流行技术。我们注意到，远程监督关系抽取设定下的大多数句子非常长，可能受益于词注意力以获得更好的句子表示。本文的贡献有三方面。首先，我们提出两种用于远程监督关系抽取的新的词注意力模型：（1）基于双向门控循环单元（Bi-GRU）的词注意力模型（BGWA），（2）以实体为中心的注意力模型（EA），以及（3）一种使用加权投票方法组合多个互补模型以改进关系抽取的组合模型。其次，我们引入 GDS，一个用于关系抽取的新的远程监督数据集。GDS 去除了以往所有远程监督基准数据集中存在的测试数据噪声，使可信的自动评测成为可能。第三，通过在多个真实世界数据集上的广泛实验，我们证明了所提方法的有效性。
引用
@article{arxiv.1804.06987,
title = {Improving Distantly Supervised Relation Extraction using Word and Entity Based Attention},
author = {Sharmistha Jat and Siddhesh Khandelwal and Partha Talukdar},
journal= {arXiv preprint arXiv:1804.06987},
year = {2018}
}