結(jié)合從句識(shí)別和半監(jiān)督集成學(xué)習(xí)的遠(yuǎn)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(yuǎn)程監(jiān)督的關(guān)系抽取(DSRE)是當(dāng)前的研究熱點(diǎn)，其通過遠(yuǎn)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(yuǎn)程監(jiān)督假設(shè):如果一個(gè)句子包含知識(shí)庫中的兩個(gè)實(shí)體，那么這個(gè)句子就表達(dá)了這兩個(gè)實(shí)體在知識(shí)庫中對應(yīng)的關(guān)系?；诩僭O(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(cuò)誤標(biāo)注數(shù)據(jù)，會(huì)對實(shí)驗(yàn)結(jié)果造成不良影響。此外，通過遠(yuǎn)程監(jiān)督生成的負(fù)例數(shù)據(jù)的數(shù)

2、量遠(yuǎn)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(fù)例數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，導(dǎo)致負(fù)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(cuò)誤的問題，本文提出一種基于從句識(shí)別的去噪算法(NRCI)。NRCI算法首先使用從句識(shí)別算法將句子劃分成從句，然后根據(jù)是否存在滿足遠(yuǎn)程監(jiān)督假設(shè)的從句來判斷原句的標(biāo)注是否正確。實(shí)驗(yàn)表明NRCI算法可以有效的降低訓(xùn)練數(shù)據(jù)中的錯(cuò)誤標(biāo)注數(shù)據(jù)，進(jìn)而顯著的提升遠(yuǎn)