关系抽取
关注
分享
扫一扫
文章平均质量分 84
羽_羊
这个作者很懒，什么都没留下…
展开
-
Adapting Meta Knowledge Graph Information for Multi-Hop Reasoning over Few-Shot Relations
Adapting Meta Knowledge Graph Information for Multi-Hop Reasoning over Few-Shot Relations（2019 EMNLP）Idea：该论文利用meta-learning从高频关系实例中学得参数，然后快速应用于few-shot关系推理中。该QA问题被定义为：一个三元组的query被定义为，其...原创 2019-10-12 17:35:46 · 1329 阅读 · 1 评论 -
Graph Neural Networks with Generated Parameters for Relation Extraction
Graph Neural Networks with Generated Parameters for Relation Extraction（2019 ACL）Idea：本文提出了一种图生成参数模型，该模型可以在无结构化数据上进行关系推理。解决现了现有模型只能显示的提取两实体之间的关系，不能进行关系的传递和推理。Graph Neural Network with Generat...原创 2019-06-29 11:53:55 · 2202 阅读 · 3 评论 -
A Hierarchical Framework for Relation Extraction with Reinforcement Learning
A Hierarchical Framework for Relation Extraction with Reinforcement Learning （2019 AAAI）Idea：目前现存的关系抽取模型大多基于显式实体的情况下。即在进行关系抽取之前，句子中的实体已经被标记出。因此，关系类型和实体之间的交互并没有完全的被建模。本文提出了一种新颖的实体关系新范式，即将实体作为关系的参数来处理...原创 2019-06-22 15:07:44 · 1723 阅读 · 3 评论 -
BERT在关系学习中的应用
Matching the Blanks: Distributional Similarity for Relation Learning（2019 ACL）典型的关系抽取可以大致分为以下三类：第一类有监督或者远程监督的关系抽取，该类方法通过有限的模式去学习文本到关系之间的映射关系。 第二类为开放领域的关系抽取，该类方法消除了预定义模式的限制。 第三类为泛化能力较强的通用模式，该类...原创 2019-06-20 21:37:43 · 2578 阅读 · 2 评论 -
关系抽取之——强化学习
Reinforcement Learning for Relation Classification from Noisy Data摘要：目前存在的关系抽取方法大多是依赖于远程监督假设的，即所有包含两个相同实体的句子都只表达一种关系。但是这些方法都是在包级别上做关系抽取，不能明确的映射出单句和关系之间的联系，并且由远程监督产生的错误标签还在影响着模型的精度。该文在含有噪声的数据集上提出了一...原创 2018-12-28 12:03:54 · 2253 阅读 · 0 评论 -
Adversarial training for multi-context joint entity and relation extraction 论文笔记
Adversarial training for multi-context joint entity and relation extractionAbstract对抗训练是一种正则化方法，通过对模型的输入增加微小而持久的扰动从而提高模型的鲁棒性。本文将对抗训练应用到实体识别和关系抽取的联合实验当中去，取得了跨语言、多数据集的先进结果。ModelJoint learnin...原创 2018-11-19 20:26:17 · 2167 阅读 · 2 评论 -
跨领域对抗训练在关系抽取中的应用
Genre Separation Network with Adversarial Training for Cross-genreRelation Extraction Abstract论文的动机来源与主流关系抽取模型在不同的领域甚至是不同的数据集上性能的参差不齐。论文中提出了一种领域分离网络，其含有基于本领域独立的编码器，和基于领域共享的编码器。该网络可以抽取特定类型和类型未知的两...原创 2018-11-16 12:01:07 · 1702 阅读 · 0 评论 -
对抗训练在关系抽取中的应用
Adversarial Training for Relation ExtractionAbstract对抗训练是一种在训练过程中加入噪声的正则分类算法。这篇论文在多实例多标签的关系抽取任务中加入对抗噪声来提升模型表现。通过在CNN和RNN两种主流框架上进行对抗训练，在两种不同的数据集上都去得了不错的效果。Methodology在多实例多标签的关系抽取任务中，X={x1，x...原创 2018-11-14 20:53:21 · 2311 阅读 · 0 评论 -
基于深度学习方法的垂直领域实体关系分析研究
1.应用前景随着互联网时代的高速发展，人们能够获取到的信息量也成指数级增长。最初信息检索的任务是由搜索引擎完成，是一种基于关键词检索的方法，抓取互联网上海量的网页进行关键词提取并建立倒排表，利用 PageRank [1]算法针对用户的输入返回所有命中的有权重优先的网页链接，然而这样的检索结果规模很大，并且结果之间存在冗余或者冲突的情况，用户很难快速从搜索引擎的返回结果中二次筛选出理想的答案[2...原创 2018-07-20 15:59:44 · 1480 阅读 · 0 评论 -
关系抽取综述
1引言关系抽取是信息抽取的重要子任务，其主要目的是将非结构化或半结构化描述的自然语言文本转化成结构化数据，关系抽取主要负责从文本中识别出实体，抽取实体间的语义关系。现有主流关系抽取技术分为有监督关系抽取，无监督关系抽取，和半监督关系抽取三种方法。这里，我们主要对有监督的关系抽取方法进行介绍。有监督的学习方法将关系抽取任务当做分类问题，根据训练数据设计有效的特征，从而学习各种分类模型...原创 2018-06-02 16:13:54 · 9038 阅读 · 2 评论 -
Relation Classification via Convolutional Deep Neural Network 论文笔记
Relation Classification via Convolutional Deep Neural Network 用于关系分类的最先进的方法越来越依赖于特征提取的质量。而特征工作又经常的被当做是现有NLP工具或系统的一部分来解决，导致现有的NLP工具的错误在特征提取任务中被不断的传播并且放大。应用深度学习来进行特征提取进变得十分可行了。Word Representation Lexi...原创 2018-04-21 20:16:29 · 3479 阅读 · 2 评论 -
关于关系抽取（Relation Extraction）的三篇论文
关系抽取被广泛的应用于NLP领域的多个任务中，而远程监督方法的兴起为关系抽取添加了一把双刃剑。一方面远程监督可以基于少量的标注语料自动的扩展出大量的标注数据。另一方面，错误标签带来的大量无关噪声也为关系抽取的准确度带来了不小的挑战。本文从三篇NLP顶级会议论文出发来分析解决这个问题。如图一所示，我们的挑战主要来自两个方面。首先如何将输入句子向量化的表示，采用何种算法...原创 2018-04-21 18:08:54 · 10106 阅读 · 2 评论 -
关系抽取之远程监督
1引言传统意义上讲，关系抽取是实体识别基础上的一个任务，其核心是抽取一个句子中包含实体对之间的关系。第一步就是训练一个关系抽取器，换句话讲就是训练一个关系分类器。因为模型不可能自己给关系起名字，所以我们需要人工的标注好语料，基于语料库我们一共有多少种关系。当模型训练好了之后，给它一个包含两个实体的句子，我们通过特征提取生成一个句子向量，通过根据语料数据训练出的关系抽取器来判定该句子应当分到哪一类中...原创 2018-04-08 17:04:08 · 15641 阅读 · 1 评论