A Hierarchical Framework for Relation Extraction with Reinforcement Learning

最新推荐文章于 2022-07-02 21:54:28 发布

羽_羊

最新推荐文章于 2022-07-02 21:54:28 发布

阅读量1.6k

点赞数 4

分类专栏：关系抽取强化学习

本文链接：https://blog.csdn.net/m0_38031488/article/details/93328248

版权

该博客介绍了一种新的关系抽取模型，通过将实体视为关系参数，增强实体和关系之间的交互。模型采用分层架构，包括一个高级别的关系识别器和一个低级别的实体抽取器，能够处理重叠关系。利用强化学习策略，关系识别被定义为高级任务，而实体抽取为低级任务，以此顺序扫描句子来识别关系和实体。

摘要由CSDN通过智能技术生成

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关系抽取。该模型提成了一种分层架构来增强实体和关系之间的交互。整个模型被分为两个强化学习策略:关系识别器和实体抽取器，该结构可以赋予模型处理重叠关系的能力。

任务定义：该模型将关系识别作为一个高级别的强化学习过程，将实体抽取作为一个低级别的强化学习过程。此联合学习任务可以被视为一个顺序扫描句子的过程。(I)高级别的关系识别器明确句子的某些位置包含某种关系。如果被判定含有关系，则低级别的过程从该句子片段中识别出对应该关系的实体。(II)当低级别的实体抽取器完成后。(III)高级别的关系识别器继续扫描(IV)句子的剩余部分寻找下一个关系。