Jul, 2022

自然语言推理提升远程监督关系抽取

PDF
TL;DR本文提出了一种新的 DSRE-NLI 框架，该框架利用现有知识库的远程监督和预训练语言模型的间接监督，通过半自动关系语言表达机制为间接监督提供能量，进而巩固远程注释以便于多分类 RE 模型，并通过数据整合策略实现训练数据的质量提高，大量实验证明该框架显著提高了远程监督 RE 基准数据集的性能（高达 7.73％的 F1）
发现论文，激发创造
  • 基于大语言模型的远程监督半自动文档级关系抽取数据增强

    通过集成大型语言模型和自然语言推理模块，我们提出一种自动标注方法来生成关系三元组，从而增强文档级关系数据集，我们通过介绍增强的数据集 DocGNRE 展示了我们方法的有效性，该方法在重新注释众多长尾关系类型方面表现出色，并且在推进广义语言语义理解方面提供了实际好处。

    Nov, 2023

  • 利用远程监督与人工标注的双重监督框架进行关系提取

    本研究提出了一种双重监督框架，旨在有效利用人工标注数据和远程监督数据来训练关系抽取模型，以应对不同类型的监督数据。该模型采用两种不同的预测网络，分别用于预测人工标注和远程监督标签，并引入不一致性惩罚机制进行优化，实现了更高的抽取精度。

    Nov, 2020

  • NLI 是否能为低资源生物医学关系提取提供适当的间接监督？

    通过间接监督，将生物医学关系抽取转化为自然语言推理，利用语义线索减轻注释稀缺性，通过排名损失隐式地校准生物医学关系抽取中的模糊示例，避免模型在未知关系上的猜测，结合 NLI 知识与生物医学知识，可在全量和低资源环境下获得最佳性能提升。

    Dec, 2022

  • 远程监督关系抽取综述：以去噪和预训练方法为重点

    关系抽取（RE）是自然语言处理的基础任务，本文综述了四个阶段的 RE 方法，包括模式匹配、统计、神经网络和大型语言模型，并着重介绍了现代 RE 方法的远程监控和去噪预训练方法。

    Jul, 2022

  • 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

  • 使用问答对进行关系抽取的间接监督

    本篇论文介绍了一种基于 QA 数据集的间接标注来降低 DS 数据产生噪声的新方法 ReQuest，并使用学习到的嵌入估计测试关系提及的类型。实验结果在两个公共关系提取数据集上相结合以 TREC QA 数据集，F1 得分平均提高了 11％。

    Oct, 2017

  • 使用 BERT 和侧边信息进行远程监督神经关系提取

    使用 Bert 嵌入简化句子编码来提升知识库辅助的关系抽取模型，可以在谷歌远程监督和 Riedel 数据集上优于传统方法，尤其是 P@N 结果表明 BERT 作为句子编码的使用可以优化结果。

    Apr, 2020

  • 文档级远程监督下的去噪关系抽取

    本研究提出了一种基于预训练模型的方法，用于减少文档级别关系抽取中由远程监督产生的噪声。实验结果表明，该方法能够从噪声数据中捕获有用的信息，取得了良好的效果。

    Nov, 2020

  • 利用推理学习改进远程监督

    本文提出了一种使用知识推理方法检测潜在误差样本的方法，以提高使用远程监督数据训练关系提取系统的性能。

    Sep, 2015

  • 手动评估的重要性：审阅远程监督关系抽取的测试协议

    本研究为了更可靠地评估 distantly supervised relation extraction（DS-RE）模型，建立了手动注释测试集，并彻底评估了几个有竞争力的模型，特别是最新的预训练模型。实验结果表明，手动评估可以指出与自动评估非常不同的结论，希望我们的手动测试集和新的观察结果可以帮助推进未来 DS-RE 研究。

    May, 2021