论文浅尝 | Learning with Noise: Supervised Relation Extraction
Luo B, Feng Y, Wang Z, et al. Learning withNoise: Enhance Distantly Supervised Relation Extraction with Dynamic TransitionMatrix[C]// Meeting of the Association for Computational Linguistics.2017:430-439.
链接：http://www.aclweb.org/anthology/P/P17/P17-1040.pdf
1. 动机
Distant supervision 是一种生成关系抽取训练集的常用方法。它把现有知识库中的三元组
但是这种匹配方式会产生很多噪音：比如三元组
2. 前人工作
1、通过定义规则过滤掉一些噪音数据，缺点是依赖人工定义，并且被关系种类所限制。
2、Multi-instancelearning，把训练语句分包学习，包内取平均值，或者用 attention 加权，可以中和掉包内的噪音数据。缺点是受限于 at-least-one-assumption：每个包内至少有一个正确的数据。
可以看出前人主要思路是『去噪』，即降低噪声数据的印象。这篇文章提出用一个噪音矩阵来拟合噪音的分布，即给噪音建模，从而达到拟合真实分布的目的。
3. 模型
1、2是普通的关系抽取模型过程，3、4是噪音拟合的过程。
transition matrix 是一个转移矩阵，大小为n * n，n是关系种类的数目。T_ij 的元素的值是 p( j| i )，即该句子代表关系为 i，但被误判为j的概率。
这样我们就可以得到：
????????? ???????????? × ????????? ??????=???????? ????????????
其中，predicted 是我们想要的真实分布，observed 是我们观测到的噪音分布，这样就可以用噪音数据进行联合训练了。
3.1 全局转移矩阵& 动态转移矩阵
Global transition matrix 在关系层面上定义一个特定的转移矩阵，比如
属于 A 关系的句子，被误判为 B 关系的概率是恒定的。
Dynamic transition matrix 是在句子层面上定义的，即使同属于 A 关系，a1 句子和 b1 句子被误判成 B 关系的概率也不同。比如下面两句话，带有 old house 的被误判成 born-in 的概率更大。
动态转移矩阵更有优势，粒度更细。
3.2. 训练方法
如果单纯用 observed 的 loss，会出现问题，因为在初始化的时候，我们并不能保证p一定拟合真实分布，转移矩阵也没有任何先验信息，容易收敛到局部最优。
因此，文中用 curriculum learning进行训练：
trace 是转移矩阵的迹，用于控制训练过程中噪音的作用，是矩阵的正则项。在没有噪音的情况下，矩阵是一个单位矩阵，迹最大，此时矩阵没有效果。迹越小，矩阵施加的效果越明显。
curriculum learning 的步骤：
初始阶段，alpha 为 1，beta 取一个很大的值，只学习 p 分布，让 p 获得关系判定的能力；
后续阶段，逐渐减小 alpha 和 beta，强化矩阵的作用，学习噪音分布 o，最后获得真实的 p 分布和噪音 o 分布。
这样通过调控过程，就可以避免学习出无意义的局部最优值了。
3.3．先验知识
可以给矩阵增加一些先验知识，比如在 timeRE 的数据集上，根据时间粒度，对数据集进行可信度划分，先训练可信数据，再训练噪音数据，这样可以优化最终的训练结果。
4. 实验结果
作者在 timeRE 和 entityRE(NYT) 上均进行了训练，取得了降噪的 state-of-art。具体分析结果可以参照论文。
笔记整理：王冠颖，浙江大学硕士，研究方向为知识图谱，关系抽取。
OpenKG.CN
中文开放知识图谱（简称OpenKG.CN）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。
转载须知：转载需注明来源“OpenKG.CN”、作者及原文链接。如需修改标题，请注明原标题。
点击阅读原文，进入 OpenKG 博客。