【ICML2020】基于贝叶斯元学习在关系图上进行小样本关系抽取

在关系抽取任务中，注释大量的句子集是费时且昂贵的，因此标记数据的数量非常有限。通常的解决方法是采用远程监督，然而远程监督的缺陷是生成的数据噪声较多。因为两个实体之间可能存在多种关系，很难确定实体对在特定的上下文中属于哪一种关系，或者句子是否表达了某种关系。

目前人们倾向于使用元学习的方法来提取关系。元学习的思想是用大量不同的任务来训练模型，每个任务都有几个例子来演示，这样学习的模型就可以快速推广到只有几个例子的新任务。但该方法训练数据的信息量仍然有限，其性能仍然不尽人意。为了更有效地推广到新的关系和任务，作者提出了利用全局图的方法建模不同的关系。全局关系图提供了不同关系之间关系的先验知识，允许我们在关系之间转移监督以及在没有扩充带标签的句子的情况下推广这些关系。此外，作者提出了一种新的贝叶斯元学习方法，通过学习基于标记句子的关系原型向量(即支持集)和全局关系图实现小样本关系抽取。

https://arxiv.org/abs/2007.02387