重新审视远程监督关系抽取中的负数据
计算与语言
2021-05-24 v1 人工智能
摘要
远程监督自动生成大量关系抽取训练样本。然而，它也带来两个主要问题：噪声标签与训练数据不平衡。以往工作更多关注减少错误标注的关系（假阳性），而很少探究由知识库不完整引起的缺失关系（假阴性）。此外，在以往的问题表述中，负标签数量压倒性地超过正标签。本文中，我们首先对负数据引起的上述挑战进行透彻分析。接着，我们将关系抽取问题表述为正未标记学习（positive unlabeled learning）任务，以缓解假阴性问题。第三，我们提出一种称为\textsc{ReRe}的流水线方法，先执行句子级关系检测再进行主体/客体抽取，以实现样本高效训练。实验结果表明，所提方法持续优于现有方法，即使在学习大量假阳性样本时仍保持优异性能。
引用
@article{arxiv.2105.10158,
title = {Revisiting the Negative Data of Distantly Supervised Relation Extraction},
author = {Chenhao Xie and Jiaqing Liang and Jingping Liu and Chengsong Huang and Wenhao Huang and Yanghua Xiao},
journal= {arXiv preprint arXiv:2105.10158},
year = {2021}
}