Connexion entre le langage et la connaissance à travers des représentations hétérogènes pour l'extraction de relations neuronales

Les bases de connaissances (Bases de Connaissances ou KBs) nécessitent des mises à jour constantes pour refléter les changements du monde qu'elles représentent. Pour les bases de connaissances d'usage général, cela est souvent réalisé par l'extraction de relations (Extraction de Relations ou RE), qui consiste à prédire les relations de la base de connaissances exprimées dans des textes mentionnant des entités connues de la base. Une façon d'améliorer l'RE est d'utiliser les plongements de bases de connaissances (Plongements de Bases de Connaissances ou KBE) pour la prédiction de liens. Cependant, malgré des liens évidents entre l'RE et le KBE, peu a été fait pour unifier ces modèles systématiquement. Nous contribuons à combler ce fossé avec un cadre qui unifie l'apprentissage des modèles d'RE et de KBE, conduisant à des améliorations significatives par rapport à l'état de l'art en RE. Le code est disponible sur https://github.com/billy-inn/HRERE.