Adversarial training for multi-context joint entity and relation extraction 论文笔记

Adversarial training for multi-context joint entity and relation extraction
 

Abstract

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。
 

Model

Joint learning as head selection

对于baseline模型的详细介绍我们可以参考这篇论文（An attentive neural architecture for joint segmentation and parsing and its application to real estate ads）。该模型的两个主要任务为：

（1）识别出实体的类型和边界。

（2）抽取出实体之间的关系类型。

对于该模型的一个输入序列 W =w1, ..., wn。用基于字符的词嵌入技术和基于单词的词嵌入技术将输入token向量化表示，然后使用双向lstm网络去抽取其序列化信息。

<