基于序列路由算法的句子级关系抽取中的重表征

句子级关系抽取（RE）是自然语言处理（NLP）中的一项重要任务。在本文中，我们提出利用胶囊中的动态路由来进行句子级关系抽取。我们首先表明，所提方法在常见的句子级关系抽取数据集 Tacred、Tacredrev、Retacred 和 Conll04 上优于现有技术。随后，我们调查了其在上述数据集上表现良好，但在另一个相似却更大的句子级关系抽取数据集 Wikidata 上表现不佳的潜在原因。因此，我们将 Wikidata 标签中的噪声确定为阻碍性能的原因之一。此外，我们展示了更好性能与更好重表征之间的关联性，重表征是神经科学中的一个术语，指人脑中表征的改变，以改善比较时的匹配度。例如，在给定的类比词 King:Queen::Man:Woman 中，在比较时，作为重表征的结果，相关头词（King, Man）与尾词（Queen, Woman）之间的相似度增加。因此，我们的观察表明，与所比较的普通模型相比，我们提出的模型能更好地进行重表征。为此，除了远程监督关系抽取数据集标签中的噪声外，我们提出重表征是句子级关系抽取中的一项挑战。