基于异质表示连接语言和知识以实现神经关系抽取

知识库（KBs）需要不断更新以反映其所表示的世界的变化。对于通用知识库，这通常通过关系抽取（RE）来实现，即预测文本中提及的已知实体之间的知识库关系。提高关系抽取的一种方法是利用知识库嵌入（KBE）进行链接预测。然而，尽管关系抽取和知识库嵌入之间存在明显的联系，但在系统地统一这些模型方面所做的工作却很少。我们通过一个框架缩小了这一差距，该框架统一了关系抽取和知识库嵌入模型的学习过程，从而在关系抽取方面取得了显著的改进，超越了现有技术。代码可在 https://github.com/billy-inn/HRERE 获取。