READ：从对抗视角改进关系抽取
计算与语言
2024-04-05 v1 人工智能
摘要
近期的关系抽取（RE）工作取得了令人瞩目的基准准确率；然而，我们的对抗攻击实验表明，这些工作过度依赖实体，使其泛化能力受到质疑。为了解决这一问题，我们提出了一种专门为 RE 设计的对抗训练方法。我们的方法对样本引入序列级和词元级扰动，并使用独立的扰动词表来改进对实体和上下文扰动的搜索。此外，我们引入了一种在对抗训练期间在上下文中保留干净词元的概率策略。该策略为实体提供了更大的攻击预算，并引导模型利用嵌入在上下文中的关系模式。大量实验表明，与各种对抗训练方法相比，我们的方法显著提高了模型的准确性和鲁棒性。此外，在不同数据可用性设置下的实验突出了我们的方法在低资源场景中的有效性。我们还对我们提出的方法进行了深入分析，并提供了进一步的启示。我们将在 https://github.com/David-Li0406/READ 发布我们的代码。
引用
@article{arxiv.2404.02931,
title = {READ: Improving Relation Extraction from an ADversarial Perspective},
author = {Dawei Li and William Hogan and Jingbo Shang},
journal= {arXiv preprint arXiv:2404.02931},
year = {2024}
}
备注
Accepted by findings of NAACL 2024