Revisiting the Negative Data of Distantly Supervised Relation Extraction

[175****1239]

1. 摘要

• 无监督的关系抽取，存在两大问题：噪声标签、训练数据不平衡
• 以往：研究集中在减少错误标签的关系（假阳性），很少研究由于知识库的不完备性导致的缺失关系（假阴性）
• 本文的贡献：
  – 首先对负面数据进行分析
  – 接下来，将关系抽取表述为一个正的无标签学习任务，缓解假阴性问题
  – 提出模型RERE进行关系检测，然后进行subject和object提取

2. 问题分析

关系级别假阴性：抽取到的关系，在预定义的关系集中不存在
实体级别假阴性：S4、S5表示实体级别假阴性
阶级分布不平衡：负标签的数量远远大于正面标签的数量

2.1 解决假阴性问题

由百度百科标记的NYT数据集中的三元组为88253，由Wikidata标记的为58135。可以看到，由于知识库的不完备性，只用一个KB来标记，就会存在大量的FN，特别是当多个关系出现在一句中时，即使是人工标注。

2.2解决负面标签

采用先抽取关系，再抽取主体和客体的范式

3.模型

1. 输入：[CLS]，$c_i$，[SEP]
2. 经过BERT生成token表示矩阵：$H_{rc}\in R^{N\times d}$
3. 将BERT输出的第一个token [CLS] 的编码向量 $h_{rc}^0$ 作为句子表示，关系分类的最终输出为：$y_{rc}=\sigma W{h}_{rc}^0+b$
4. 取关系分类的输出$y_{rc}$（onehot），使用每个检测到的关系（$y_{rc}$中1的个数）来生成query
5. 构造MRC格式：[CLS]，$q_i$，[SEP]，$c_i$，[SEP]
6. 将上述输入到BERT中，得到token表示矩阵$H_{ee}\in R^{N\times d}$
7. 实体抽取的第K个输出指针由$y_{ee}^k=\sigma W{H}_{ee}+b$

4. Experiments

5. 启示

1. 先抽取关系再抽取实体的范式，可以应用到监督领域
2. 可以对模型进一步提取特征
3. 增加两者之间的关联性