利用远程监督关系抽取与验证填充网络规模知识图谱
计算与语言
2019-09-12 v2
摘要
在本文中，我们提出了一个全自动系统，利用来自网络规模语料库的外部信息来扩展知识图谱。所设计的系统利用了一种基于深度学习的关系抽取技术，该技术可通过远程监督方法进行训练。除此之外，该系统还利用了一种深度学习方法进行知识库补全，通过利用所诱导知识图谱的全局结构信息来进一步细化新发现关系的置信度。所设计的系统不需要任何手工标注数据、自然语言处理分析和推理规则，因此无需任何努力即可适应新的语言和领域。我们在一个流行的学术基准上进行的实验表明，所建议的系统大幅提升了关系抽取的性能，报告了50%的错误减少，带来了高达100%的相对改进。此外，为用来自 Common Crawl 的知识扩展 DBPedia 而进行的一项网络规模实验表明，我们的系统不仅可扩展，而且不需要任何适应成本，同时还能产生显著的准确率增益。
引用
@article{arxiv.1908.08104,
title = {Populating Web Scale Knowledge Graphs using Distantly Supervised Relation Extraction and Validation},
author = {Sarthak Dash and Michael R. Glass and Alfio Gliozzo and Mustafa Canim},
journal= {arXiv preprint arXiv:1908.08104},
year = {2019}
}
备注
11 pages, 6 figures