[COLING2016]Relation Extraction with Multi-instance Multi-label Convolutional Neural Networks

我将能表示论元大意的图片一一给出.然后再给出解释:
远程监督学习就是给包打标签, 一个包里的所有句子包含的实体对是相同的. Figure 1也就是本文的做法就是将包里所有的句子一起处理, 确定实体对的关系(不是一个关系类型,一个包可能有多个关系)
Figure 3给出一句话的处理过程, 首先将句子pad 零到句长为h, 然后将句子每个词都转换为embedding(word embedding + 两个位置embedding), 通过卷积得到$\textbf{c}$ = [c$_1$, c$_2$,…, c$_{(h-w_c+1)}$], 接着利用piecewise max-pooling 得到Sentence Representation $\textbf{p}$ $\in$ R$^{3n}$
如果一个包里有m个句子, 每个句子都要经过Figure 3的处理得到$\textbf{p}^{(1)}$, $\textbf{p}^{(2)}$, … , $\textbf{p}^{(m)}$ , 然后经过Figure2的处理得到$\textbf{g}$, 最后经过输出层得到包的关系
关于损失函数本文用了两个, 还有多标签的问题,这个稍后讨论