amie规则挖掘_论文浅尝 | 基于规则的零样本关系分类

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。