RH-Net：通过强化学习与层次关系搜索改进神经关系抽取
计算与语言
2021-02-03 v2 人工智能
摘要
远程监督（DS）旨在生成大规模启发式标注语料，目前被广泛用于神经关系抽取。然而，它深受噪声标注与长尾分布问题的困扰。许多先进方法通常分别解决这两个问题，忽视了它们之间的相互作用。在本文中，我们提出一种名为 RH-Net 的新框架，利用强化学习与层次关系搜索模块来改进关系抽取。我们借助强化学习指导模型选择高质量实例。随后我们提出层次关系搜索模块，以在数据丰富类与数据贫乏类之间的相关实例中共享语义。在迭代过程中，两个模块持续交互，同时缓解噪声与长尾问题。在广泛使用的 NYT 数据集上的大量实验清楚地表明，我们的方法相比最先进的基线有显著提升。
引用
@article{arxiv.2010.14255,
title = {RH-Net: Improving Neural Relation Extraction via Reinforcement Learning and Hierarchical Relational Searching},
author = {Jianing Wang},
journal= {arXiv preprint arXiv:2010.14255},
year = {2021}
}
备注
7 pages, 3 figures