远程监督关系抽取及对抗性训练方法综述
摘 要：
关系抽取是自然语言处理领域的核心任务，是各种下游应用的关键组件。但由于标注全监督训练数据太过昂贵，因此传统的全监督关系抽取在现实应用中难以有良好的表现。由此提出的远程监督方法可以提供大量的标记数据，但同时会引入很多的噪声。但即使如此，也受到了学术界与工业界的广泛使用，因为其基本符合现实情境下的数据状况。同时基于远程监督数据集的关系抽取算法也应运而生，并不断被改进。改进可以从模型结构本身出发，比如提出新的网络结构、损失函数、训练方式。还可以从数据层面出发，对远程监督数据集进行降噪，在用于各种关系抽取算法进行关系抽取。
关键词：关系抽取，远程监督，对抗性训练，深度学习
绪论
实体关系抽取作为信息抽取领域的重要研究课题，其主要目的是抽取句子中已标记实体对之间的语义关系，即在实体识别的基础上确定无结构文本中实体对间的关系类别，并形成结构化的数据以便存储和取用。关系抽取是自然语言处理领域的一个核心任务，也是各种下游应用中的关键组件。如知识图谱，问答系统，结构化搜索，语义分析，信息抽取等。
在早期的关系抽取任务中，主要以监督学习为主，有监督的关系抽取可以当作一个分类任务来处理。之后一些全监督关系抽取数据集的提出，例如SemEval-2010 task 8 dataset[1]，以及机器学习算法包括深度学习算法的普及，也都吸引了大量的科研力量投入到关系抽取这一任务中去。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
