典型文献
结合噪声网络的强化学习远程监督关系抽取
文献摘要：
针对目前远程监督关系抽取任务中存在的错误标注问题,提出使用强化学习策略设计噪声指示器,通过与由关系分类器和噪声数据组成的环境相交互,动态识别每个关系类别的假正例与假负例,并为其重新分配正确的关系标签,从而将噪声数据转换成有用的训练样本,有利于提高远程监督关系抽取模型的性能;另外,在训练过程中,通过在策略网络权重上添加噪声,平衡策略网络的探索和利用问题,从而增强噪声指示器的探索能力,使噪声指示器更准确地选择出能够正确表达实体-关系的句子.在Freebase对齐NYT公共数据集上的实验结果表明,提出的方法可以显著提高远程监督关系抽取模型的性能,表明模型拥有识别并纠正噪声数据标签的能力,可以更好地学习关系特征.
文献关键词：
远程监督关系抽取;强化学习;噪声网络;假负例
中图分类号：
作者姓名：
谢斌红;王恩慧;张英俊
作者机构：
太原科技大学 计算机科学与技术学院,太原 030024
文献出处：
引用格式：
[1]谢斌红;王恩慧;张英俊-.结合噪声网络的强化学习远程监督关系抽取)[J].计算机工程与应用,2022(23):169-177
A类：
假负例
B类：
噪声网络,强化学习,远程监督关系抽取,错误标注,出使,学习策略,策略设计,指示器,关系分类,分类器,噪声数据,相交,动态识别,正例,重新分配,数据转换,转换成,训练样本,高远,取模,训练过程,策略网络,重上,平衡策略,利用问题,强噪声,探索能力,句子,Freebase,对齐,NYT,公共数据,数据标签,地学,学习关系,关系特征
AB值：
0.422156
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
