识别假阴性：一种用于远程监督关系抽取的对抗训练方法

远程监督关系抽取（RE）将非结构化文本与知识库（KB）中的关系实例自动对齐。由于当前知识库的不完备性，蕴含某些关系的句子可能被标注为 N/A 实例，这导致了所谓的假阴性（FN）问题。当前的 RE 方法通常忽视该问题，从而在训练和测试过程中引入不恰当的偏差。为解决此问题，我们提出一种两阶段方法。首先，通过启发式地利用深度神经网络的记忆机制找出可能的 FN 样本。然后，通过对抗训练将这些未标注数据与训练数据对齐到统一的特征空间中，以分配伪标签并进一步利用其中包含的信息。在两个广泛使用的基准数据集上的实验证明了我们方法的有效性。