论文笔记(9):Large Scaled Relation Extraction with Reinforcement Learning

该博客讨论了远程监督在关系抽取中的局限性,并提出使用强化学习来改进。通过将关系抽取器视为RL Agent,从大量未标注的文本中学习有效的关系。论文贡献包括在两个广泛使用的数据集上取得显著提升,且模型结构直观简洁。
摘要由CSDN通过智能技术生成

论文笔记:Large Scaled Relation Extraction with Reinforcement Learning

一、解决的问题

远程监督数据集中的句子并不直接标记,并且并非所有提及实体对的句子都可以表示它们之间的关系。例如,

[Obama]e1 [ O b

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值