【自然语言处理】关系抽取 —— CoIn 讲解

CoIn

论文信息

标题:Consistent Inference for Dialogue Relation Extraction

作者:Xinwei Long, Shuzi Niu, Yucheng Li

期刊:IJCAI 2021

主题:自然语言处理、关系抽取、对话场景、跨语句、DialogRE、GCN、Mask、Attention、Gate

代码:xinwei96/CoIn_dialogRE: Source codes and data for our IJCAI 2021 paper “Consistent Inference for Dialogue Relation Extraction”. (github.com)

概述

CoIn 模型通过掩码策略获得轮次内、间说话人内、外的一致性特征,分别解决了由于说话人频繁切换导致的共指问题和主题(论点)转换问题。另外,CoIn 模型通过将 2-hop 关系的推断作为训练任务,学习到了更强的逻辑推理能力,缓解了预测出的关系类型(集合)存在矛盾的问题。更具体地,CoIn 凭借掩码机制从全局对话特征中分别提炼出与轮次相关的特征(utterance-aware representation)(包括轮次内视图,以及与之互补的轮次间视图)和与说话人相关的特征

你可能感兴趣的:(【NLP,&,CV】,自然语言处理,人工智能,深度学习,神经网络,机器学习)