Relation Extraction with Explanation 关系抽取论文解读(2020ACL)

摘要
基于远程监控的关系抽取神经网络模型通过学习句子的重要性权值来减轻不相关句子的影响。到目前为止，人们一直致力于提高提取精度，但人们对其可解释性知之甚少。在这项工作中，我们在一个测试集上用基本真实句级别的解释来评价关系抽取模型所提供的解释的质量。我们证明用细粒度的实体类型替换句子中提到的实体不仅提高了提取的准确性，而且提高了解释能力。我们还建议自动生成“分心”句子来增加袋子，并训练模型忽略分心句子。对广泛使用的FB-NYT数据集的评估表明，我们的方法在提高模型可解释性的同时达到了最新的精度。