Réexamen des données négatives dans l'extraction de relations supervisée à distance

La supervision à distance permet de générer automatiquement un grand nombre d’échantillons d’apprentissage pour l’extraction de relations. Toutefois, elle soulève également deux problèmes majeurs : des étiquettes bruitées et un déséquilibre des données d’apprentissage. Les travaux antérieurs se concentrent principalement sur la réduction des relations mal étiquetées (faux positifs), tandis que très peu d’entre eux s’intéressent aux relations manquantes dues à l’incomplétude de la base de connaissances (faux négatifs). En outre, dans les formulations antérieures du problème, le nombre d’étiquettes négatives est largement supérieur à celui des étiquettes positives. Dans cet article, nous proposons tout d’abord une analyse approfondie des défis susmentionnés causés par les données négatives. Ensuite, nous reformulons le problème d’extraction de relations comme une tâche d’apprentissage positif-non étiqueté afin de atténuer le problème des faux négatifs. Troisièmement, nous proposons une approche en pipeline, nommée \textsc{ReRe}, qui réalise d’abord la détection de relations au niveau des phrases, puis l’extraction des sujets et objets, afin d’assurer un apprentissage efficace en échantillons. Les résultats expérimentaux montrent que la méthode proposée surpasse de manière cohérente les approches existantes et conserve une performance excellente même lorsqu’elle est entraînée avec un grand nombre d’échantillons de faux positifs.