KGPool：用于关系提取的动态知识图上下文选择
计算与语言
2021-06-08 v2 人工智能
摘要
我们提出了一种从单句中提取关系（RE）的新方法，将句子与两个给定实体映射到知识图（KG）中的规范事实。尤其在假定的句子级RE设定下，单句的上下文通常较为稀疏。本文引入KGPool方法来解决此稀疏性问题，利用KG中的附加事实动态扩展上下文。它使用神经网络方法学习这些事实（实体别名、实体描述等）的表示，以补充句子上下文。与静态使用所有扩展事实的现有方法不同，KGPool以句子为条件进行该扩展。我们通过使用不同的神经模型与KG（Wikidata 和 NYT Freebase）评估KGPool的有效性。我们在标准数据集上的实验评估表明，将KGPool表示输入图神经网络后，整体方法显著优于最先进的方法。
引用
@article{arxiv.2106.00459,
title = {KGPool: Dynamic Knowledge Graph Context Selection for Relation Extraction},
author = {Abhishek Nadgeri and Anson Bastos and Kuldeep Singh and Isaiah Onando Mulang' and Johannes Hoffart and Saeedeh Shekarpour and Vijay Saraswat},
journal= {arXiv preprint arXiv:2106.00459},
year = {2021}
}
备注
ACL 2021 (findings)