论文浅尝 | Global Relation Embedding for Relation Extraction

 

链接:https://arxiv.org/abs/1704.05958

Introduction

在关系抽取任务中,通常采用远程监督的方式自动生成数据集。由于实体对间可能存在多关系,生成的数据集往往存在大量噪音。本文对文本中的关系表述(textual relation)和知识库中的关系(kb relation)进行了共现统计,利用全局统计的信息训练 embedding,使模型能更加鲁棒地应对训练噪音的问题。

继续阅读“论文浅尝 | Global Relation Embedding for Relation Extraction”

论文浅尝 | 基于知识库的自然语言理解 03#

 

本文转载自公众号: 知识工场

罗康琦,上海交通大学计算机系2019届博士,研究方向为自然语义理解和知识图谱。2012年获得华中科技大学软件工程学士学位,现就职于京东数据科学实验室(Data Science Lab)。他曾在AAAI,IJCAI,EMNLP等国际顶级会议上发表多篇论文。

继续阅读“论文浅尝 | 基于知识库的自然语言理解 03#”