面向真实场景对齐的开放世界半监督广义关系发现
计算与语言
2023-11-03 v2
摘要
开放世界关系抽取（OpenRE）近来备受关注。然而，现有方法往往过度简化该问题，假设所有未标注文本都属于新颖类别，从而限制了这些方法的实用性。我们认为 OpenRE 的设置应更贴合真实世界数据的特征。具体而言，我们提出两项关键改进：(a) 未标注数据应涵盖已知类别与新颖类别，包括难负例；以及 (b) 新颖类别集合应代表长尾关系类型。此外，我们观察到诸如头衔和地点等常见关系常可通过特定模式隐式推断，而长尾关系则往往在句子中显式表达。受这些洞察启发，我们提出一种称为 KNoRD（Known and Novel Relation Discovery，已知与新颖关系发现）的新方法，其能有效从未标注数据中的已知与新颖类别里分类显式与隐式表达的关系。在多个开放世界关系抽取基准上的实验评估表明，KNoRD 持续优于其他现有方法，取得了显著的性能提升。
引用
@article{arxiv.2305.13533,
title = {Open-world Semi-supervised Generalized Relation Discovery Aligned in a Real-world Setting},
author = {William Hogan and Jiacheng Li and Jingbo Shang},
journal= {arXiv preprint arXiv:2305.13533},
year = {2023}
}
备注
10 pages, 6 figures