神经实体类型识别与关系抽取的噪声缓解
计算与语言
2017-01-11 v2
摘要
在本文中，我们处理了信息抽取模型中两种不同类型的噪声：来自远程监督的噪声和来自流水线输入特征的噪声。我们的目标任务是实体类型识别和关系抽取。对于第一种噪声，我们引入了使用神经网络模型的多实例多标签学习算法，并首次将其应用于细粒度实体类型识别。这使得我们的模型与使用实体全局嵌入的 SOTA 监督方法取得了相当的性能。对于第二种噪声，我们提出了改进噪声实体类型预测整合到关系抽取中的方法。我们的实验表明，概率预测比离散预测更鲁棒，并且两个任务的联合训练表现最佳。
引用
@article{arxiv.1612.07495,
title = {Noise Mitigation for Neural Entity Typing and Relation Extraction},
author = {Yadollah Yaghoobzadeh and Heike Adel and Hinrich Schütze},
journal= {arXiv preprint arXiv:1612.07495},
year = {2017}
}
备注
EACL 2017; the first two authors contributed equally to this work