RDSGAN：基于排序的远监督关系抽取生成对抗框架
计算与语言
2020-10-01 v1 机器学习
摘要
远监督已广泛用于关系抽取，但存在噪声标注问题。已有神经网络模型利用注意力机制去噪，但由于其非零权重而无法消除噪声数据。硬决策被提出以从正例集合中移除错误标注的实例，但这会导致被移除实例中有用信息的丢失。本文提出一种名为RDSGAN（基于排序的远监督GAN）的新型生成式神经框架，可自动为远监督关系抽取生成有效实例。我们的框架结合软注意力与硬决策，通过对抗训练学习真正正例实例的分布，并基于排序的远监督筛选符合该分布的有效实例，从而解决假正例问题。实验结果表明我们的框架优于强基线方法。
引用
@article{arxiv.2009.14722,
title = {RDSGAN: Rank-based Distant Supervision Relation Extraction with Generative Adversarial Framework},
author = {Guoqing Luo and Jiaxin Pan and Min Peng},
journal= {arXiv preprint arXiv:2009.14722},
year = {2020}
}