拯救隐式与长尾情形: 最近邻关系抽取
计算与语言
2023-01-31 v2
摘要
在预训练语言模型的帮助下, 关系抽取 (RE) 取得了显著进展。然而, 现有的 RE 模型通常难以处理两种情形: 由语言复杂性与数据稀疏性导致的隐式表达与长尾关系类型。本文中, 我们引入一种利用 最近邻 (NN-RE) 对 RE 的简单增强方法。NN-RE 允许模型在测试时通过最近邻搜索参考训练关系, 并为解决上述两个问题提供了简单而有效的手段。此外, 我们观察到 NN-RE 是 leveraging 远程监督 (DS) 数据用于 RE 的有效方式。实验结果表明, 所提出的 NN-RE 在多个有监督 RE 数据集 (即 ACE05、SciERC 与 Wiki80) 上取得了最先进 (state-of-the-art) 性能, 并且在允许使用 DS 的设置下优于 i2b2 与 Wiki80 数据集上迄今最佳模型。我们的代码与模型可见于: https://github.com/YukinoWan/kNN-RE。
引用
@article{arxiv.2210.11800,
title = {Rescue Implicit and Long-tail Cases: Nearest Neighbor Relation Extraction},
author = {Zhen Wan and Qianying Liu and Zhuoyuan Mao and Fei Cheng and Sadao Kurohashi and Jiwei Li},
journal= {arXiv preprint arXiv:2210.11800},
year = {2023}
}
备注
EMNLP 2022 (short paper)