結(jié)合從句識別和半監(jiān)督集成學(xué)習(xí)的遠程監(jiān)督關(guān)系抽取.pdf

1、關(guān)系抽取是信息抽取領(lǐng)域的重要環(huán)節(jié)?；谶h程監(jiān)督的關(guān)系抽取(DSRE)是當(dāng)前的研究熱點，其通過遠程監(jiān)督獲得大量訓(xùn)練數(shù)據(jù)，有效的解決了傳統(tǒng)監(jiān)督學(xué)習(xí)訓(xùn)練數(shù)據(jù)不足的問題。遠程監(jiān)督假設(shè):如果一個句子包含知識庫中的兩個實體，那么這個句子就表達了這兩個實體在知識庫中對應(yīng)的關(guān)系。基于假設(shè)可以得到大量標(biāo)注數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，然而由于假設(shè)并不總是正確的，導(dǎo)致生成的訓(xùn)練數(shù)據(jù)中存在大量的錯誤標(biāo)注數(shù)據(jù)，會對實驗結(jié)果造成不良影響。此外，通過遠程監(jiān)督生成的負例數(shù)據(jù)的數(shù)

2、量遠高于正例數(shù)據(jù)，研究者為了保持訓(xùn)練數(shù)據(jù)的平衡性，一般選取正例數(shù)據(jù)和部分負例數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，導(dǎo)致負例數(shù)據(jù)沒有得到充分利用，存在較大的提升空間。
　　針對DSRE中訓(xùn)練數(shù)據(jù)存在大量標(biāo)注錯誤的問題，本文提出一種基于從句識別的去噪算法(NRCI)。NRCI算法首先使用從句識別算法將句子劃分成從句，然后根據(jù)是否存在滿足遠程監(jiān)督假設(shè)的從句來判斷原句的標(biāo)注是否正確。實驗表明NRCI算法可以有效的降低訓(xùn)練數(shù)據(jù)中的錯誤標(biāo)注數(shù)據(jù)，進而顯著的提升遠