RESIDE：利用侧面信息改进远程监督神经关系抽取
计算与语言
2019-02-13 v2
摘要
远程监督关系抽取（RE）方法通过将知识库（KB）中的关系实例与无结构文本自动对齐来训练抽取器。除关系实例外，KB 通常还包含其他相关侧面信息，例如关系的别名（如 founded 与 co-founded 是关系 founderOfCompany 的别名）。RE 模型通常忽略此类现成的侧面信息。本文中，我们提出 RESIDE，一种利用 KB 中额外侧面信息以改进关系抽取的远程监督神经关系抽取方法。它在预测关系时利用实体类型与关系别名信息施加软约束。RESIDE 采用图卷积网络（GCN）编码来自文本的句法信息，即使在有限侧面信息可用时也能提升性能。通过在基准数据集上的大量实验，我们展示了 RESIDE 的有效性。我们已公开 RESIDE 源代码以促进可复现研究。
引用
@article{arxiv.1812.04361,
title = {RESIDE: Improving Distantly-Supervised Neural Relation Extraction using Side Information},
author = {Shikhar Vashishth and Rishabh Joshi and Sai Suman Prayaga and Chiranjib Bhattacharyya and Partha Talukdar},
journal= {arXiv preprint arXiv:1812.04361},
year = {2019}
}
备注
10 pages, 6 figures, EMNLP 2018