ACLMar, 2019

具有背内及背间注意力的远程监督关系抽取

PDF
TL;DR本文介绍了一种神经关系抽取方法，用于处理远程监督下产生的嘈杂训练数据，在考虑句子级和集合级别的噪声处理时，利用了组内注意力和组间注意力，提出的方法在 New York Times 数据集上比现有方法表现更加出色。
neural relation extractiondistant supervisionintra-bag attentionsinter-bag attentionsnew york times dataset
发现论文，激发创造
  • 跨关系跨包注意力的远程监督关系抽取

    本论文提出了基于 Cross-relation Cross-bag 选择性注意力（C $ ^ 2 $ SA）的多实例学习，以实现对遥感监督关系提取器的噪音鲁棒训练。

    Dec, 2018

  • 用于生物医学远程监督关系抽取的句子包图形建模

    我们介绍了一种新颖的基于图的框架，用于缓解远程监督关系抽取中的关键挑战，并展示了其在生物医学数据领域的效果。特别地，我们提出了一种针对实体对引用的句子包的图视图，它可以通过信息传递的方式聚合与实体对相关的句子包中的信息。所提出的框架缓解了远程监督关系抽取中常见的噪声标注问题，并有效地整合了句子包内句子之间的相互依赖关系。对两个大规模生物医学关系数据集和广泛使用的 NYT 数据集的大量实验证明，我们提出的框架在生物医学远程监督关系抽取方面明显优于现有的方法，同时在一般文本挖掘领域的关系抽取方面也具备出色的性能。

    Oct, 2023

  • 基于自注意力增强和实体感知嵌入的选择性门，用于远程监督关系抽取

    本研究提出了一种轻量级神经框架，使用实体感知的词嵌入方法、自注意机制和基于丰富语境表示的汇聚门来解决监督远程关系提取的问题和减轻之前机制的缺陷，实现了最高的分类准确性和最佳的实验结果。

    Nov, 2019

  • 融合远程和直接监督的神经关系抽取

    本研究提出了一种改进的神经网络关系抽取模型，该模型采用直接监督数据来提高注意力机制的性能，同时使用远程监督数据帮助识别噪声标注，实验结果在 FB-NYT 数据集上取得了最新的最优性能。

    Oct, 2018

  • 利用线性衰减模拟和非独立同分布关联嵌入的远程监督关系抽取

    这篇研究提出了一种新方法来解决采用遥测监督的关系抽取中存在的问题，包括在句子中选择重要单词和提取有效句子等问题。该方法引入了线性衰减模拟和非独立同分布相关性嵌入两个新的概念来解决这些问题，在基准数据集上的实验表明，该方法能够有效地提取隐藏关系的复杂信息和实例间的相互信息。

    Dec, 2018

  • 深度强化学习下的强健远程监督关系抽取

    研究利用深度强化学习策略生成假阳性指标解决远程监督产生的噪声，进而将它们分配为负面样本以解决误报问题，实验表明该方法显著提高了远程监督方法的性能。

    May, 2018

  • 基于单词和实体级别注意力机制的远程监督下关系抽取技术的改进

    本论文介绍了两种新的用于远程监督下关系抽取的单词注意模型，同时提出了一种组合模型，并在多个真实数据集上进行了广泛的实验来证明这些方法的有效性。

    Apr, 2018

  • 跨句远程监督关系抽取

    本研究提出了首个远程监督应用于跨句关系抽取的方法，基于图形表示从多条路径中提取特征，实验表明我们的方法可以学习一种准确的跨句提取器，并提取了两倍于现有远程监督范例的关系，从而证明了跨句关系的普遍存在和本方法的优越性。

    Sep, 2016

  • 无监督关系抽取的深度双向转换器

    使用句法分析和预先训练的词嵌入技术，在缺乏任何形式监督的情况下，提取少量精确关系，用于注释更大的语料库，并在生物医学领域的四个数据集上通过微调预先训练的 BERT 模型进行关系抽取实验表明，与无监督关系提取的两个简单的基线相比，我们的方法显著优于两个简单的基线，即使不使用任何监督，也获得了三个数据集中的最先进结果之一；更重要的是，我们证明了使用噪声数据可以成功地对大型预先训练的语言模型进行微调，而不是依赖于黄金数据进行微调。

    Nov, 2019

  • 嘈杂的句子是否对远程监督关系抽取毫无用处？

    本文提出了一种利用无监督深度聚类技术解决噪声标注问题的远程监督关系抽取模型，包括句子编码器、噪声检测器和标签生成器，实验证明该模型在常用基准数据集上优于现有的同类模型，并能够应对噪声标注问题。

    Nov, 2019