2 个月前

RESIDE:利用侧信息改进远监督神经关系抽取

Shikhar Vashishth; Rishabh Joshi; Sai Suman Prayaga; Chiranjib Bhattacharyya; Partha Talukdar
RESIDE:利用侧信息改进远监督神经关系抽取
摘要

远程监督关系抽取(RE)方法通过自动对齐知识库(KB)中的关系实例与非结构化文本来训练关系抽取器。除了关系实例之外,知识库通常还包含其他相关辅助信息,例如关系的别名(如“founded”和“co-founded”都是“founderOfCompany”关系的别名)。然而,现有的RE模型通常忽略了这些现成的辅助信息。在本文中,我们提出了一种名为RESIDE的远程监督神经关系抽取方法,该方法利用知识库中的额外辅助信息以提高关系抽取的效果。RESIDE通过使用实体类型和关系别名信息,在预测关系时施加软约束。此外,RESIDE采用图卷积网络(GCN)对文本中的句法信息进行编码,即使在可用的辅助信息有限的情况下也能提升性能。通过在基准数据集上的大量实验,我们展示了RESIDE的有效性。为了鼓励可重复研究,我们已公开了RESIDE的源代码。

RESIDE:利用侧信息改进远监督神经关系抽取 | 最新论文 | HyperAI超神经