基于缩减特征集的关系抽取在线推断
计算与语言
2015-04-21 v1 机器学习
摘要
获取网络规模语料库正逐渐使稳健的自动知识库创建与扩展成为可能。为了利用这些大规模且未标注（极难标注）的语料库，需要无监督机器学习方法。文本概率模型最近作为此类工具取得了一定成功，但可扩展性仍是其应用的障碍，标准方法依赖于已知难以扩展的采样方案。因此，本报告对应用于 RelLDA 的次线性时间稀疏随机变分推断（SSVI）方案进行了实证评估。我们证明了在线推断能产生相对较强的定性结果，但也识别出 SSVI 及其模型的一些病态问题，若要将 SSVI 用于大规模关系抽取，这些问题需被克服。
引用
@article{arxiv.1504.04770,
title = {Online Inference for Relation Extraction with a Reduced Feature Set},
author = {Maxim Rabinovich and Cédric Archambeau},
journal= {arXiv preprint arXiv:1504.04770},
year = {2015}
}