用于神经关系抽取的结构化极小监督学习
计算与语言
2019-11-20 v5
摘要
我们提出一种极小监督关系抽取方法，它结合了学习表示与结构化学习的优势，并仅利用知识库中命题级监督就能准确预测句子级关系提及。通过在训练中显式地对缺失数据进行推理，我们的方法能够大规模训练一维卷积神经网络，同时缓解远程监督固有的标签噪声问题。我们的方法在极小监督句子级关系抽取上取得了最先进的结果，优于若干基线，包括一个使用纯神经模型注意力层的竞争性方法。
引用
@article{arxiv.1904.00118,
title = {Structured Minimally Supervised Learning for Neural Relation Extraction},
author = {Fan Bai and Alan Ritter},
journal= {arXiv preprint arXiv:1904.00118},
year = {2019}
}
备注
Accepted to NAACL 2019. This version improves the model description(present original "Bag-Size Adaptive Learning Rate" as "Bag-Size Weighting Function"). No result/conclusion change