【论文标题】Zero-shot Learning for Relation Extraction 【作者团队】Jiaying Gong, Hoda Eldardiry 【发表时间】2020/11/13 【论文链接】https://arxiv.org/abs/2011.07126

【推荐理由】 本文来自弗吉尼亚理工大的研究团队，提出了一种零样本学习关系提取（ZSLRE）框架，该框架着重于识别没有可用于训练的相应标签数据的新颖关系。 大多数现有的有监督，少样本学习关系提取方法都依赖于标记的训练数据。但是，在现实世界中，存在许多关系，而没有可用的训练数据。本文从零样本学习（ZSL）的角度解决了这一问题，它类似于人类在没有先验知识的情况下学习和认识新概念的方式。本文提出了一种零样本学习关系提取（ZSLRE）框架，该框架着重于识别没有可用于训练的相应标签数据的新颖关系。本文提出的ZSLRE模型旨在识别基于原型网络的新关系，该网络经过修改以利用辅助（辅助）信息。辅助信息的附加使用使那些经过修改的原型网络除了可以识别先前已知的关系之外，还可以识别新颖的关系。作者根据标签及其同义词，名称实体的上位词和关键字来构造辅助信息。作者建立了一个自动的关系提取框架，以帮助直接从Web获取各种名称实体的改名。作者在两个公共数据集（NYT和FewRel）上进行了广泛的实验，证明了本文提出的模型在监督学习，少样本学习和零样本学习任务方面明显优于最新方法。本文的实验结果还证明了在组合方案中我们提出的模型的有效性和鲁棒性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除