AAAI-21-RE-Multi-view Inference for Relation Extraction with Uncertain Knowledge
Multi-view Inference for Relation Extraction with Uncertain Knowledge
我们提出了 MIUK,这是一种用于使用不确定知识进行关系提取的多视图推理框架。我们的工作是将不确定的知识图谱
引入关系提取和调查提及、实体和概念之间的相互作用的开创性研究。 • 我们进行了广泛的实验来验证 MIUK 并在句子级和文档级关系提取任务上取得有竞争力的结果。 • 我们构建并发布了一个包含超过 15,000,000 个实体和概念的高质量描述的语料库。它可以作为关系提取和许多其他自然语言处理任务的宝贵外部知识资源。
输入信息:三部分:输入文档(上下文)、不确定的知识图谱(ProBase)和来自维基百科的描述(ProBase Desp)
1. mention embedding
m is calculated by averaging the embeddings of its anchor token and all the words existing in the mention
嵌入 m 是通过平均其锚标记的嵌入和提及中存在的所有单词来计算的
2. the concept vector c
对于目标实体 e,MIUK 首先从 ProBase 中检索前 K 个概念 c1、c2、…、ck 及其对应的置信度分数。然后应用softmax操作将置信度分数转换为加权分数w1,w2,…,wk,其中Pk i=1 wi = 1,因为ProBase提供的置信度分数是频率计数。
• Non-weighting Integration (NWI)
• Attention-based Weighting Integration (AWI)
• Prior Knowledge-based Weighting Integration (PWI). w是weight。
3. Concept2Entity Links:
Concept2Entity links (C2E) 通过聚合实体描述向量 ed 和概念向量 c 来生成全局交互向量 ug。 their corresponding description vectors are denoted as hd and td
4. Information Aggregation and Mixed Attention Mechanism
图 1:文档级关系提取的三视图推理框架示例。在一个文档中,一个实体可能有很多提及,通常以不同的形式出现。对于给定的实体,本地交互表示由不同的提及表示聚合。这是提及视图和实体视图之间的交叉视图交互。此外,通过检索不确定的KG,使用概念和加权分数来产生概念表示,它将收集实体和概念的描述以获得全局交互表示。这是实体视图和概念视图之间交互的交叉视图。最后,实体视图用于上下文信息聚合和关系预测。句子级关系提取仅涉及实体视图和概念视图。该图以彩色显示更好。
AAAI-21-RE-Multi-view Inference for Relation Extraction with Uncertain Knowledge相关推荐
- 文献学习02-Effective Modeling of Encoder-Decoder Architcture for Joint Entity and Relation Extraction
论文信息 (1)题目:Effective Modeling of Encoder-Decoder Architecture for Joint Entity and Relation Extracti ...
- 关系抽取论文总结(relation extraction)不断更新
2000 1.Miller, Scott, et al. "A novel use of statistical parsing to extract information from te ...
- 20-Joint entity and relation extraction based on a hybrid neural network(LSTM-ED+CNN),考虑长距离的实体标签之间的关
文章目录 abstract 1.introduction 2.相关工作 2.1. Named entity recognition 2.2. Relation classification 2.3 联合 ...
- 【论文】Awesome Relation Extraction Paper(关系抽取)(PART III)
0. 写在前面 回头看了一遍之前的博客,好些介绍的论文主要是属于关系分类的领域,于是就把前几篇的标题给修改了一下哈哈.关系分类和之前的文本分类,基于目标词的情感识别还都挺像的,baseline模型也都 ...
- 论文阅读笔记:Multi-Labeled Relation Extraction with Attentive Capsule Network(AAAI-2019)
论文信息 作者: Xinsong Zhang Shanghai Jiao Tong University Pengshuai Li Shanghai Jiao Tong University Weij ...
- 【论文】Awesome Relation Extraction Paper(关系抽取)(PART IV)
0. 写在前面 不想写 1. Neural Relation Extraction with Multi-lingual Attention(Lin/ ACL2017) 这篇文章是在Lin 2016年 ...
- 关系抽取远程监督PCNN:Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks
Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks 0 前言 1 多示例学习 ...
- Relation Extraction 关系抽取综述
文章目录 往期文章链接目录 Information Extraction v.s. Relation Extraction Existing Works of RE Pattern-based Met ...
- 关系抽取概述及研究进展Relation Extraction Progress
关系抽取的概述及研究进展 关系抽取任务概述 关系抽取的定义 关系抽取的公开的主流评测数据集 ACE 2005 SemiEval 2010 Task8 Dataset: NYT(New York Tim ...
最新文章
- 2021-08-05学习日记
- 特斯拉最安全的车_特斯拉现在是最受欢迎的租车选择
- c/c++面试试题(二)
- 探索篇 | 接口字段容错测试(三)
- 移动端开发touchstart,touchmove,touchend事件详解和项目
- 【论文笔记】Neural Graph Collaborative Filtering
- Zabbix graph(图形 告警) 时间显示不正确的解决办法
- PDF转JPG的工具
- erp oracle mrp,OracleERP用戶手册-MRP.doc
- 基于SSM框架开发的社区疫情管理系统 附带详细运行指导视频
- ModifyStyle()调用不起作用
- Laravel 代码开发最佳实践
- Win 10 添加多国语言
- 用好工具,在团队协作中运筹帷幄
- ES文件浏览器曝严重漏洞,或影响数亿Android用户
- 【H5/JS】游戏常用算法-碰撞检测-包围盒检测算法(2)-矩形
- kettle启动 carte服务部署
- 计算机一级考试的时候用计算器,在WPS文字里设置计算器功能
- Android Market 分析【安卓市场】
- Kali PPPoE 拨号上网
热门文章
- 你所不知道的21个云服务器应用实践———云计算综合入门指南
- 狮子鱼社区团购小程序v17.8.0独立开源版+前端升级最新授权接口修复方法
- Symbol到底是个啥玩意
- Mythical Games宣布与韩国领先游戏发行商Kakao Games合作,推动亚太区业务扩张
- FPGA - 7系列 FPGA内部结构之Clocking -02- 时钟布线资源
- php ues导入,php中同时使用多个use导入命名空间时的问题
- matlab读取.mb15格式数据,两分钟搞定Python读取matlab的.mat数据
- NVP6168,NVP6168C与NVP6158,NVP6158C有什么区别
- shardingsphere+dynamic+mybatisPlugs配置多数据源
- redis 存对象的方法对比