25、基于图互增强的自举法学习语义词典

基于图互增强的自举法学习语义词典

1. 相关工作

在利用少量标注数据和大量未标注数据学习语义词典方面，已经提出了几种弱监督分类算法，以下是一些常见算法的介绍：
- 协同训练（Co-training） ：交替使用数据的两个正交视图进行学习，从而利用未标注数据，实现从少量标注训练数据通过大量未标注数据进行自举学习。
- 元自举法（Meta-bootstrapping） ：采用两层自举结构来学习提取模式字典和特定领域的语义词典。
- Snowball ：从大量纯文本文档中提取关系的系统，使用标准的自举结构，并引入了评估提取过程中每个步骤生成的模式和元组质量的新方法。
- KnowItAll ：利用一组与领域无关的提取模式生成候选事实，然后通过点互信息（PMI）统计评估候选事实。
- Hassan等人的方法 ：一种无监督方法，不依赖种子或示例，而是依靠大数据集中的冗余和基于图的互增强来获取提取模式。

与本文方法最相关的是Basilisk算法，它也是一种自举算法。元自举法依赖单个提取模式进行单方面决策，而Basilisk则从大量提取模式中收集集体证据。本文提出的GMR - Bootstrapping与Basilisk有相同的思想和结构，但也存在一些差异：
- 引入图互增强（Graph Mutual Reinforcement）对候选词和提取模式进行加权。
- 通过添加模式的不确定性来增强GMR - Bootstrapping，以同时学习多个类别。

<