![b0f92491255f7bef21f7c2d694319986.png](https://i-blog.csdnimg.cn/blog_migrate/4750e625ba84a3aaea42f58a144757e6.png)
论文题目:Logic-guided Semantic Representation Learning for Zero-Shot Relation Classification
本文作者:李娟,浙江大学在读博士,研究方向为知识表示学习
发表会议:COLING 2020
论文链接:https://arxiv.org/abs/2010.16068
关系分类旨在抽取句子中实体对之间的语义关系。大部分关系分类方法在测试阶段只能识别有训练样本的关系(seen relations/已知类),无法识别没有训练样本的关系(unseen relations/未知类)。因此,上述关系分类方法不适用于未知类的预测。本文关注如何对不包含训练样本的关系类别进行分类,即零样本关系分类 (ZSRC: zero-shot relation classification)。 现有ZSRC工作将该问题转化为阅读理解或文本蕴含,但这两种方法都依靠外部的描述信息,忽略了关系中丰富的语义信息,关系不仅可以通过相似性隐式关联,还可以通过规则显式关联。本文提出一种逻辑引导的语义表示学习模型,利用知识图谱嵌入的隐式语义和关系间逻辑规则的显式语义,在已知类和未知类之间建立语义联系。