RelNet：实体与关系的端到端建模
计算与语言
2017-11-17 v2 机器学习
摘要
我们引入 RelNet：一种用于关系推理的新模型。RelNet 是一种记忆增强神经网络，它将实体建模为抽象记忆槽，并配备一个额外的关系记忆，用于建模所有记忆对之间的关系。因此，该模型在文档中存在的实体和关系上构建一个抽象知识图谱，随后可用于回答关于该文档的问题。它采用端到端训练：对模型的唯一监督是问题的正确答案形式。我们在包含每任务 1 万个示例的 20 个 bAbI 问答任务上测试该模型，发现它以 0.3% 的平均错误率解决了所有任务，并在 20 个任务中的 11 个上实现了 0% 的错误率。
引用
@article{arxiv.1706.07179,
title = {RelNet: End-to-End Modeling of Entities & Relations},
author = {Trapit Bansal and Arvind Neelakantan and Andrew McCallum},
journal= {arXiv preprint arXiv:1706.07179},
year = {2017}
}
备注
Accepted in AKBC 2017