结构块驱动的增强卷积神经表示用于关系抽取
计算与语言
2021-03-23 v1 人工智能
摘要
本文提出一种新颖的轻量级关系抽取方法：结构块驱动—卷积神经学习。具体而言，我们通过依存分析检测出与实体相关的关键序列词元，称之为结构块，并仅利用多尺度 CNN 对该块进行块内与块间表示编码。此举旨在 1）消除句子中无关部分带来的噪声；同时 2）通过块内与块间语义丰富表示来增强相关块表示。我们的方法的优势在于不依赖于长句上下文，因为我们仅编码块边界内的序列词元。在 SemEval2010 和 KBP37 两个数据集上的实验证明了本方法的显著优势。特别地，我们在 KBP37 数据集上取得了新的 SOTA 性能；在 SemEval2010 数据集上取得了与 SOTA 相当的性能。
引用
@article{arxiv.2103.11356,
title = {Structural block driven - enhanced convolutional neural representation for relation extraction},
author = {Dongsheng Wang and Prayag Tiwari and Sahil Garg and Hongyin Zhu and Peter Bruza},
journal= {arXiv preprint arXiv:2103.11356},
year = {2021}
}