结合噪声网络的强化学习远程监督关系抽取

摘要：

针对目前远程监督关系抽取任务中存在的错误标注问题,提出使用强化学习策略设计噪声指示器,通过与由关系分类器和噪声数据组成的环境相交互,动态识别每个关系类别的假正例与假负例,并为其重新分配正确的关系标签,从而将噪声数据转换成有用的训练样本,有利于提高远程监督关系抽取模型的性能;另外,在训练过程中,通过在策略网络权重上添加噪声,平衡策略网络的探索和利用问题,从而增强噪声指示器的探索能力,使噪声指示器更准确地选择出能够正确表达实体-关系的句子.在Freebase对齐NYT公共数据集上的实验结果表明,提出的方法可以显著提高远程监督关系抽取模型的性能,表明模型拥有识别并纠正噪声数据标签的能力,可以更好地学习关系特征.

关键词：远程监督关系抽取、强化学习、噪声网络、假负例

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：山西省重点研发计划重点高新领域项目;山西省重点研发计划项目;山西省重点研发计划项目

在线出版日期：2022-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：169-177