【清华大学-腾讯】关系提取综述，Review and Outlook for Relation Extraction

点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要2分钟

跟随小博主，每天进步一丢丢

整理：深度学习技术前沿

关系事实是人类知识的一个重要组成部分，它隐藏在大量的文本中。为了从文本中提取这些事实，人们多年来一直致力于关系提取(RE)。从早期的模式匹配到目前的神经网络，已有的重建方法取得了显著的进展。然而，随着网络文本的爆炸式增长和新关系的出现，人类的知识急剧增加，因此我们需要从RE中得到“更多”:一个更强大的RE系统，它可以可靠地利用更多的数据，有效地学习更多的关系，轻松地处理更复杂的上下文，并灵活地推广到更开放的领域。本文回顾了现有的RE方法，分析了当前面临的关键挑战，为更强大的RE指明了希望的方向，希望我们的观点能够推动这一领域的发展，激励社会做出更大的努力。

论文链接：https://arxiv.org/abs/2004.03186

---

交流学习，进群备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

广告商、博主勿入！