标题：伊利诺伊大学、布法罗大学｜Open Relation Modeling: Learning to Define Relations between Entities（开放关系建模：学习定义实体关系）

推荐理由：语言模型在实体关系预测中的应用

作者：伊利诺伊大学厄巴纳-香槟分校协调科学实验室的Jie Huang、Wen-mei Hwu教授

简介：实体之间的关系可以用不同的实例来表示，例如，一个句子同时包含知识中的实体或事实图。但是，这些实例可能无法很好地捕获实体之间的一般关系，可能被人类难以理解，甚至可能由于知识来源不完整而不被发现。在本文中，我们介绍了开放关系建模任务——给定两个实体，生成一个连贯的句子来描述他们之间的关系。为了解决这个任务，我们提出教机器让他们从实体的定义中学习。具体来说，我们微调预训练语言模型以生成以提取的实体对为条件的定义。帮助PLM在两者之间进行推理实体并为PLM提供额外的知识开放关系建模，我们在KG中加入推理路径并设计推理路径选择机制。我们证明PLM可以通过以下方式选择可解释和信息丰富的推理路径置信度估计，所选路径可以指导PLM生成更好的关系描述。实验结果表明我们的模型可以生成简洁但信息丰富的关系描述，以捕捉实体的代表性特征和关系。

论文下载：https://arxiv.org/pdf/2108.09241v1.pdf

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