基于强化学习的 N 元跨句关系抽取
机器学习
2020-09-29 v1 计算与语言
机器学习
摘要
基于远程监督的 N 元跨句关系抽取模型假设提及 n 个实体的连续句子描述了这些 n 个实体的关系。然而，一方面，该假设引入了带噪标注数据并损害模型性能；另一方面，一些非连续句子同样描述一种关系，而这些句子在该假设下无法被标注。本文中，我们通过一个更弱的远程监督假设放宽这一强假设以解决第二个问题，并提出一种新颖的句子分布估计器模型以解决第一个问题。该估计器筛选正确标注的句子以缓解噪声数据的影响，是一个两级智能体强化学习模型。此外，提出了一种结合注意力机制与 PCNN 混合方法的通用关系抽取器，使其可部署于包括连续与非连续句子的任意任务。实验表明，所提模型能降低噪声数据的影响，并在通用 N 元跨句关系抽取任务上取得优于基线模型的性能。
引用
@article{arxiv.2009.12683,
title = {Reinforcement Learning-based N-ary Cross-Sentence Relation Extraction},
author = {Chenhan Yuan and Ryan Rossi and Andrew Katz and Hoda Eldardiry},
journal= {arXiv preprint arXiv:2009.12683},
year = {2020}
}
备注
10 pages, 3 figures, submitted to AAAI