面向关系抽取的时间感知远程监督
计算与语言
2019-03-11 v1 人工智能
摘要
用于关系抽取的远程监督严重受到错误标注问题的困扰。为了缓解带有时间戳的新闻数据中的这一问题，我们将一个新因素——时间——纳入考量，并提出了一种新颖的时间感知远程监督框架。Time-DS 由一个时间序列实例流行度和两种策略组成。实例流行度用于编码时间与真实关系提及之间的强相关性。因此，实例流行度将是减少远程监督标注产生的噪声的有效线索。这两种策略，即硬过滤和课程学习，都是以 Time-DS 的方式实现实例流行度以获得更好关系抽取的两种途径。课程学习是一种更复杂、更灵活的方式，利用实例流行度来消除噪声的不良影响，从而获得更好的关系抽取性能。在我们收集的多源新闻语料库上的实验表明，Time-DS 在关系抽取方面取得了显著的改进。
引用
@article{arxiv.1903.03289,
title = {Towards Time-Aware Distant Supervision for Relation Extraction},
author = {Tianwen Jiang and Sendong Zhao and Jing Liu and Jin-Ge Yao and Ming Liu and Bing Qin and Ting Liu and Chin-Yew Lin},
journal= {arXiv preprint arXiv:1903.03289},
year = {2019}
}