要約
知識グラフ（KG）は、関係抽出（RE）タスクの支援に広く利用されている。従来の大多数のRE手法は、確定的なKGの活用に注力しているが、各関係インスタンスに信頼度スコアを割り当てる不確実なKGは、関係的事実に関する事前確率分布を、REモデルにとって貴重な外部知識として提供することができる。本研究では、不確実な知識を活用して関係抽出の性能を向上させる手法を提案する。具体的には、対象エンティティがどの程度ある概念に属するかを示す、不確実なKG「ProBase」を、我々のREアーキテクチャに導入する。さらに、mention視点、エンティティ視点、概念視点の3つの視点から、局所的な文脈とグローバルな知識を体系的に統合する新しい多視点推論フレームワークを設計した。実験の結果、本モデルは文レベルおよび文書レベルの両方の関係抽出タスクにおいて、競争力ある性能を達成した。これにより、不確実な知識の導入および設計した多視点推論フレームワークの有効性が実証された。