文本流中的学习：实体与关系实例的发现与消歧
计算与语言
2020-04-29 v3 机器学习
机器学习
摘要
我们考虑如下场景：一个人工代理正在阅读由一组叙述组成的文本流，并被告知当前所读文本部分中提及的某些个体的身份。该代理应学会跟随叙述，从而消歧指称并发现新个体。我们关注个体为实体与关系的情况，并提出一种端到端可训练的记忆网络，以在线方式学习发现和消歧它们，执行一次性学习，并处理少量稀疏监督。我们的系统构建一个非预先给定的知识库，并在阅读无监督文本时提升其能力。该模型处理叙述中的突变，在解决共指时考虑其影响。我们在维基百科文档语料库及一个新引入的数据集上展示了我们模型强大的消歧与发现能力，该数据集已公开可用。
引用
@article{arxiv.1909.05367,
title = {Learning in Text Streams: Discovery and Disambiguation of Entity and Relation Instances},
author = {Marco Maggini and Giuseppe Marra and Stefano Melacci and Andrea Zugarini},
journal= {arXiv preprint arXiv:1909.05367},
year = {2020}
}