Relation Classification with Entity Type Restriction

最新推荐文章于 2025-03-09 03:31:02 发布

原创最新推荐文章于 2025-03-09 03:31:02 发布 · 336 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#RE

nlp 专栏收录该内容

16 篇文章

订阅专栏

该论文提出了一种简单但有效的方法，通过实体类型限制来减少关系分类的候选关系，从而提高模型性能。在两个代表性模型上实验，结果显示这种方法能显著提升关系分类的准确率，分别比GCN和SpanBERT高出6.9%和4.4%。

这是一篇ACL Findings的论文，idea很简单，但却非常奏效。

关系分类旨在预测句子中两个实体间的关系，这篇论文通过实体类型来限制关系的搜索范围。例如两个实体类型都是person，那么他们的关系就可以排除出生地，这样就能减少候选关系的数量：

example

模型结构

model

算法流程

algorithm

$\begin{aligned} R_{(t s, t o)} &=\left\{r \in R \mid(s, o) \in D_{r}\right\} \\ &=\{r \in R \mid t s \in S(r) \text { and } \text { to } \in O(r)\} \end{aligned}$

首先根据句子中实体的类型将句子归好组
对于每一组，收集所有关系组成一个集合 $R_{(t s, t o)}$
针对该关系集合学习一个分类器 $f_g$

实验结果

由于该方法是模型无关的，所以作者在两个代表性模型上做了实验：

result

RECENT 分别比 GCN 和 SpanBERT 高了6.9和4.4，提升还是非常明显的。

Cite

@inproceedings{lyu-chen-2021-relation,
    title = "Relation Classification with Entity Type Restriction",
    author = "Lyu, Shengfei and Chen, Huanhuan",
    booktitle = "Findings of the Association for Computational Linguistics: ACL-IJCNLP 2021",
    month = aug,
    year = "2021",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.findings-acl.34",
    doi = "10.18653/v1/2021.findings-acl.34",
    pages = "390--395",
}