【论文笔记】2019-NAACL Exploiting Noisy Data in Distant Supervision Relation Classification
目录
0.摘要
1.先前研究
2.方法
3.实验
0.摘要
Motivation:远程监督已经在关系抽取任务取得了很大的进步,然而它依然受噪音标签的影响。
Problem:之前的研究没有充分利用噪音数据,而这些噪音数据本身也有有益于分类的特征。
Approach:不同于这一点,这篇论文提出了RCEND,一个可以充分利用到噪音数据来改善关系分类的框架。首先,设计了带有强化学习的实例判别器,以将噪音数据分为正确标记的数据和错误标记的数据。 其次,以半监督学习的方式学习一种鲁棒的关系分类器,.
翻译
2020-05-28 20:20:30 ·
453 阅读 ·
0 评论