基于联合编码与弱监督的神经实体摘要方法
计算与语言
2020-05-12 v2 信息检索
机器学习
摘要
在大规模知识图谱（KG）中，一个实体通常由大量三元组结构的事实描述。许多应用需要实体描述的精简版本，称为实体摘要。现有的实体摘要解决方案主要是无监督的。在本文中，我们提出一种有监督方法 NEST，它基于我们新颖的神经模型联合编码 KG 中的图结构与文本，并生成高质量的多样化摘要。由于获取人工标注摘要用于训练代价高昂，我们的监督是弱监督，因为我们以程序化标注的数据训练，其可能含噪声但无需人工工作。评估结果表明，我们的方法在两个公开基准上显著优于当前最优（SOTA）方法。
引用
@article{arxiv.2005.00152,
title = {Neural Entity Summarization with Joint Encoding and Weak Supervision},
author = {Junyou Li and Gong Cheng and Qingxia Liu and Wen Zhang and Evgeny Kharlamov and Kalpa Gunaratna and Huajun Chen},
journal= {arXiv preprint arXiv:2005.00152},
year = {2020}
}
备注
7 pages, accepted to IJCAI-PRICAI 2020 The paper is temporarily withdrawn due to company policies