![](https://img-blog.csdnimg.cn/20190918140129601.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
解析-关系抽取
解析-关系抽取
nopSled
一周一更
展开
-
Deep Residual Learning for Weakly-Supervised Relation Extraction翻译
摘要 深度残差学习(ResNet)是一种新的方法,该方法使用恒等映射进行快捷连接来训练非常深的神经网络。ResNet赢得了ImageNet ILSVRC 2015分类任务,并在许多计算机视觉任务中取得了最先进的性能。但是,残差学习对具有噪音的自然语言处理任务的影响仍未得到很好的理解。在本文中,我们设计了一种带有残差学习的新型卷积神经网络,并研究了其对远程监督噪声关系抽取任务的影响。与ResNet仅...翻译 2019-10-12 11:05:42 · 324 阅读 · 0 评论 -
Neural Relation Extraction with Selective Attention over Instances翻译
github:https://github.com/thunlp/NRE. 摘要 远程监督关系抽取已被广泛用于从文本中找到新的关系事实。然而,远程监督不可避免地伴随着错误的标签问题,并且这些噪声数据将严重损害关系抽取的性能。为了缓解这个问题,我们提出了一种基于句子级别注意力的关系抽取模型。在这个模型中,我们使用卷积神经网络来嵌入句子的语义。之后,我们在多个实例上构建句子级别的注意力,期望动态地减少...翻译 2019-08-30 10:11:02 · 658 阅读 · 0 评论 -
A Hierarchical Framework for Relation Extraction with Reinforcement Learning
摘要 大多数现有方法仅在识别出所有实体之后才确定关系类型,因此关系类型和实体提取的交互并未完全建模。本文提出了一种新的范式,通过将相关实体视为关系的论证来处理关系抽取。我们在此范例中应用分层强化学习(HRL)框架来增强实体提取与关系类型之间的交互。整个抽取过程分别分解为两级RL策略的层次结构,用于关系检测和实体提取,因此处理重叠关系更加可行和自然。我们的模型在远程监督下收集的公共数据集上进行了评估...翻译 2019-09-06 10:36:25 · 1737 阅读 · 3 评论 -
Robust Distant Supervision Relation Extraction via Deep Reinforcement Learning
摘要 远程监督已成为关系抽取中的标准方法。然而,即使它是一种有效的方法,它也不是没有任何代价的 - 由此产生的远程监督的训练样本通常有非常多的噪声。为了对抗噪声,大多数最近的现有技术方法都集中于选择一个最佳句子或计算一个特定实体对在句子集合上的注意力权重。然而,这些方法并不是最理想的,假阳性问题仍然是性能的关键瓶颈。我们认为那些错误标记的候选句子必须用一个确定性的决策来对待,而不是使用注意力权重去...翻译 2019-09-27 10:08:39 · 661 阅读 · 0 评论 -
关系抽取|自然语言处理中关系抽取任务现有技术分析
1.关系抽取现有技术分析 1.1 基于深度学习的关系抽取任务 在基于深度学习的关系抽取任务中,其主要分为3个研究方向:(1)引入远程监督的关系抽取任务;(2)引入多示例学习的关系抽取任务;(3)联合实体识别的关系抽取任务。下面将分别介绍这三个研究方向的主要方法及其优缺点,对基于强化学习的关系抽取任务的可行性进行对比分析。 1.1.1引入远程监督的关系抽取任务 在传统的关系抽取任务中,无论是输入句子...原创 2019-10-10 09:13:24 · 2299 阅读 · 0 评论