Dynamic Multi-View Fusion Mechanism For Chinese Relation Extraction

要約

最近、多くの研究が外部知識を文字レベルの特徴ベースのモデルに組み込み、中国語の関係抽出のパフォーマンスを向上させています。
しかし、これらの方法は、漢字の内部情報を無視する傾向があり、外部知識のノイズ情報を除外することはできません。
これらの問題に対処するために、中国語の関係抽出のためのマルチビュー機能を動的に学習する混合ビュー エキスパート フレームワーク (MoVE) を提案します。
漢字の内的知識と外的知識の両方により、私たちのフレームワークは漢字のセマンティック情報をより適切に捉えることができます。
提案されたフレームワークの有効性を実証するために、異なるドメインの 3 つの実世界のデータセットで広範な実験を行います。
実験結果は、提案されたフレームワークの一貫した重要な優位性と堅牢性を示しています。
私たちのコードとデータセットは、https://gitee.com/tmg-nudt/multi-view-of-expert-for-chineserelation-extraction でリリースされます。

要約(オリジナル)

Recently, many studies incorporate external knowledge into character-level feature based models to improve the performance of Chinese relation extraction. However, these methods tend to ignore the internal information of the Chinese character and cannot filter out the noisy information of external knowledge. To address these issues, we propose a mixture-of-view-experts framework (MoVE) to dynamically learn multi-view features for Chinese relation extraction. With both the internal and external knowledge of Chinese characters, our framework can better capture the semantic information of Chinese characters. To demonstrate the effectiveness of the proposed framework, we conduct extensive experiments on three real-world datasets in distinct domains. Experimental results show consistent and significant superiority and robustness of our proposed framework. Our code and dataset will be released at: https://gitee.com/tmg-nudt/multi-view-of-expert-for-chineserelation-extraction

arxiv情報

提供元, 利用サービス

arxiv.jp, Google