带噪声的学习：利用动态转移矩阵增强远程监督关系抽取

远程监督显著减少了许多分类任务中构建训练数据所需的人力。尽管前景广阔，该技术常常给生成的训练数据带来噪声，这会严重影响模型性能。在本文中，我们深入探讨了远程监督在关系抽取中的应用。我们表明动态转移矩阵能有效刻画远程监督构建的训练数据中的噪声。该转移矩阵可使用一种基于课程学习的新型方法在无需任何关于噪声的直接监督下进行有效训练。我们在广泛的抽取场景下彻底评估了我们的方法。实验结果表明，我们的方法持续改善了抽取结果，并在各种评估场景中优于最先进水平（SOTA）。