基于约束图的远监督长尾关系抽取

标签噪声和长尾分布是远程监督关系抽取中的两大挑战。近期的研究在去噪方面取得了显著进展，但对长尾关系问题的关注较少。本文引入了约束图来建模关系标签之间的依赖关系。在此基础上，我们进一步提出了一种基于约束图的关系抽取框架（CGRE），以同时应对这两个挑战。CGRE利用图卷积网络将信息从数据丰富的关系节点传播到数据贫乏的关系节点，从而增强了长尾关系的表示学习。为了进一步提高抗噪能力，CGRE设计了一个约束感知注意力模块，以整合约束信息。广泛的实验结果表明，CGRE在去噪和长尾关系抽取方面均显著优于以往的方法。预处理的数据集和源代码已公开发布于 https://github.com/tmliang/CGRE。