利用高效神经集合生成挖掘实体同义集
计算与语言
2018-11-20 v1
摘要
挖掘实体同义集（即指代同一实体的术语集合）是许多利用实体的应用中的一项重要任务。先前工作要么基于术语与给定查询术语的相似性进行排序，要么将该问题视为两阶段任务（即先检测同义对，再将这些对组织为同义集）。然而，这些方法未能对集合的整体语义建模，并存在错误传播问题。本文提出一个名为 SynSetMine 的新框架，利用外部知识库中的示例集作为远程监督，从给定词表中高效生成实体同义集。SynSetMine 由两个新颖模块组成：（1）一个集合-实例分类器，联合学习如何表示置换不变的同义集以及是否将新实例（即一个术语）纳入该集合；（2）一个集合生成算法，仅枚举词表一次，并应用所学集合-实例分类器检测其中的所有实体同义集。在来自不同领域的三个真实数据集上的实验证明了 SynSetMine 在挖掘实体同义集上的有效性与高效性。
引用
@article{arxiv.1811.07032,
title = {Mining Entity Synonyms with Efficient Neural Set Generation},
author = {Jiaming Shen and Ruiliang Lyu and Xiang Ren and Michelle Vanni and Brian Sadler and Jiawei Han},
journal= {arXiv preprint arXiv:1811.07032},
year = {2018}
}
备注
AAAI 2019 camera-ready version