基于外部知识增强的远程监督关系抽取模型
远程监督关系抽取方法旨在高效的构建大规模的监督语料并应用在关系抽取的任务上.但是由于远程监督构建语料的方式,带来了噪声标签和长尾分布两大问题.本文提出了一种新颖的远程监督关系抽取模型架构,与以往的基于管道的训练形式不同,除了句子编码器模块,新添加了外部知识增强模块.通过对知识库中已存在的实体类型与关系进行预处理和编码,为模型提供句包文本所没有的外部知识.有利于缓解数据集中存在部分长尾关系示例不足所导致的信息不足的问题,以及提升了模型对噪声示例的判别能力.通过在基准数据集NYT和GDS上的大量实验,相较于主流最优模型在AUC值上分别提升了 0.9%和5.7%,证明了外部知识增强模块的有效性.
远程监督、关系抽取、图卷积神经网络、外部知识
32
TP3;G250.73;O484
国家自然科学基金;广东省基础与应用基础研究基金;广东省普通高校人工智能重点领域专项;广州市基础研究计划基础与应用基础研究项目
2023-05-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
253-261