ملء الفراغات: التشابه التوزيعي لتعلم العلاقات

المسحّبات العامة للعلاقات، التي يمكنها نمذجة العلاقات العشوائية، هي طموح أساسي في استخراج المعلومات. تم بذل جهود لبناء مسحّبات عامة تمثل العلاقات بمظهرها السطحي، أو التي تدمج بشكل مشترك المظاهر السطحية مع العلاقات من الرسم البياني للمعرفة الموجود. ومع ذلك، فإن كلا هذين النهجين محدود في قدرتهما على التعميم. في هذا البحث، نبني على توسيعات فرضية هاريس التوزيعية للعلاقات، بالإضافة إلى التقدم الحديث في تعلم تمثيلات النص (وبشكل خاص BERT)، لبناء تمثيلات علاقات مستقلة عن المهمة من خلال النص المرتبط بالكيانات فقط. نظهر أن هذه التمثيلات تتفوق بشكل كبير على الأعمال السابقة في استخراج العلاقات القائمة على الأمثلة (FewRel) حتى دون استخدام أي من بيانات التدريب الخاصة بتلك المهمة. كما نظهر أن النماذج التي يتم تهيئتها بتمثيلاتنا المستقلة عن المهمة ومن ثم ضبطها على مجموعات بيانات استخراج العلاقات تحت الإشراف، تتفوق بشكل كبير على الطرق السابقة في مهمة SemEval 2010 رقم 8، KBP37، و TACRED.