在神经关系抽取中融入关系路径
计算与语言
2017-09-15 v3
摘要
远程监督关系抽取已被广泛用于从纯文本中发现新的关系事实。为了预测一对目标实体之间的关系，现有方法仅依赖于同时包含这两个实体的直接句子。事实上，还有许多句子只包含其中一个目标实体，这些句子为关系抽取提供了丰富且有用的信息。为解决这一问题，我们通过中间实体在两个目标实体之间构建推理链，并提出了一种基于路径的神经关系抽取模型，以编码来自直接句子和推理链的关系语义。在真实世界数据集上的实验结果表明，我们的模型能够充分利用仅包含一个目标实体的句子，并且与基线方法相比，在关系抽取任务上取得了显著且一致的提升。本文源代码可从 https://github.com/thunlp/PathNRE 获取。
引用
@article{arxiv.1609.07479,
title = {Incorporating Relation Paths in Neural Relation Extraction},
author = {Wenyuan Zeng and Yankai Lin and Zhiyuan Liu and Maosong Sun},
journal= {arXiv preprint arXiv:1609.07479},
year = {2017}
}
备注
Proceedings of EMNLP 2017. Code and dataset available