SENT：基于负训练的句子级远程关系抽取
计算与语言
2021-06-23 v1
摘要
用于关系抽取的远程监督为包内每个句子提供统一的包标签，而准确的句子标签对于需要确切关系类型的下游应用十分重要。直接使用包标签进行句子级训练会引入大量噪声，从而严重降低性能。在这项工作中，我们提出使用负训练（NT），即利用互补标签训练模型，表明“该实例不属于这些互补标签”。由于将真实标签选为互补标签的概率较低，NT 提供了噪声更少的信息。此外，用 NT 训练的模型能够将噪声数据从训练数据中分离出来。基于 NT，我们提出了一个用于远程关系抽取的句子级框架 SENT。SENT 不仅过滤噪声数据以构建更干净的数据集，还执行重新标注过程将噪声数据转化为有用的训练数据，从而进一步提升模型性能。实验结果表明，所提方法在句子级评估和去噪效果上相比以往方法均有显著提升。
引用
@article{arxiv.2106.11566,
title = {SENT: Sentence-level Distant Relation Extraction via Negative Training},
author = {Ruotian Ma and Tao Gui and Linyang Li and Qi Zhang and Yaqian Zhou and Xuanjing Huang},
journal= {arXiv preprint arXiv:2106.11566},
year = {2021}
}
备注
Accepted by ACL 2021