@正在进行{beltagy-tal-2019联合,title=“神经关系提取的远程和直接监控相结合”,author=“Beltagy、Iz和Lo,Kyle和瓦利德·阿马尔”,editor=“Burstein、Jill和多兰、克里斯蒂和索罗里奥·塔马尔”,booktitle=“计算语言学协会北美分会2019年会议论文集:人类语言技术,第1卷(长短论文)”,月=六月,year=“2019”,address=“明尼苏达州明尼阿波利斯”,publisher=“计算语言学协会”,url=“https://aclantology.org/N19-1184”,doi=“10.18653/v1/N19-1184”,pages=“1858--1867”,抽象=“在远程监控的关系提取中,噪声标签使训练质量模型变得困难。以前的神经模型使用注意机制来解决这个问题,该机制关注可能表达关系的句子。我们通过将远程监控数据与附加的直接监控数据相结合来改进这些模型。”sed数据,我们将其用作注意力权重的监督。我们发现,对这两种监督类型的联合培训可以产生更好的模型,因为它提高了模型{'}识别噪音句子的能力。此外,我们发现在这种情况下,与常用的加权平均注意力相比,使用最大池的sigmoid注意力权重可以获得更好的性能。我们提出的方法在广泛使用的FB-NYT数据集上取得了最新的结果。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“beltagy-etal-2019合并”><标题信息><title>结合远程和直接监控进行神经关系提取</titleInfo><name type=“personal”>Iz</namePart>贝尔塔基<角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”>凯尔<namePart type=“family”>Lo</namePart><角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><name type=“personal”>瓦利德阿马尔<角色><roleTerm authority=“marcorrator”type=“text”>作者</roleTerm></角色></name><originInfo>2019-06发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会北美分会2019年会议记录:人类语言技术,第1卷(长篇和短篇论文)</titleInfo><name type=“personal”>吉尔Burstein<角色>编辑器</角色></name><name type=“personal”>克里斯蒂Doran(多兰)<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>塔玛Solorio独奏曲<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>明尼苏达州明尼阿波利斯市</place></originInfo>会议出版物</relatedItem><abstract>在远程监控的关系提取中,噪声标签使训练质量模型变得困难。以前的神经模型使用注意机制来解决这个问题,该机制关注可能表达关系的句子。我们通过将远程监控数据与附加的直接监控数据相结合来改进此类模型,并将其用作注意力权重的监控。我们发现,对这两种监督类型的联合培训可以产生更好的模型,因为它提高了模型识别噪音句子的能力。此外,我们发现在这种情况下,与常用的加权平均注意力相比,使用最大池的sigmoid注意力权重可以获得更好的性能。我们提出的方法在广泛使用的FB-NYT数据集上取得了最新的结果</摘要><identifier type=“citekey”>beltagy-etal-2019合并</identifier>10.18653/v1/N19-1184<位置><网址>https://aclantology.org/N19-1184</url></位置><部分>2019-06年<扩展单元=“page”><开始>1858</开始>1867年</范围></部分></mods></modsCollection>
%0会议记录%T结合远程和直接监督用于神经关系提取%贝尔塔吉,伊兹%A Lo,凯尔%瓦利德·阿马尔%吉尔·Y·伯斯坦%Y Doran,克里斯蒂%Y Solorio,塔马尔%计算语言学协会北美分会2019年会议记录:人类语言技术,第1卷(长篇和短篇论文)%D 2019年%6月8日%I计算语言学协会%明尼苏达州明尼阿波利斯市C%F beltagy-tal-2019合并%X在远程监控的关系提取中,嘈杂的标签使训练质量模型变得困难。以前的神经模型使用注意机制来解决这个问题,该机制关注可能表达关系的句子。我们通过将远程监控数据与附加的直接监控数据相结合来改进此类模型,并将其用作注意力权重的监控。我们发现,对这两种监督类型的联合培训可以产生更好的模型,因为它提高了模型识别噪音句子的能力。此外,我们发现在这种情况下,与常用的加权平均注意力相比,使用最大池的sigmoid注意力权重可以获得更好的性能。我们提出的方法在广泛使用的FB-NYT数据集上取得了最新的结果。%10.18653/v1/N19-1184兰特%单位https://aclantology.org/N19-1184%单位https://doi.org/10.18653/v1/N19-1184%第1858-1867页
降价(非正式)
【神经关系提取的远程和直接监控相结合】(https://aclantology.org/N19-1184)(Beltagy等人,NAACL 2019)
国际计算语言学协会
- Iz Beltagy、Kyle Lo和Waleed Ammar。2019远程与直接监控相结合的神经关系提取.英寸计算语言学协会北美分会2019年会议记录:人类语言技术,第1卷(长篇和短篇论文)1858–1867页,明尼苏达州明尼阿波利斯。计算语言学协会。