融合强化学习的实体关系联合抽取模型

摘要

现有的实体关系联合抽取任务为了自动生成大规模训练数据引入远程监督策略，在处理数据时产生严重的噪声数据问题。对此提出了一种融合强化学习的实体关系联合抽取模型，该模型由强化学习和联合抽取模型两个部分组成，其中联合抽取模型由图卷积网络和多头自注意力机制构成。首先，使用强化学习去除原始数据集中带有噪声的句子，将降噪后的高质量句子输入到联合抽取模型中；其次，使用联合抽取模型对输入句子中的实体和关系进行预测抽取，并向强化学习提供反馈奖励，指导强化学习挑选出高质量的句子；最后，对强化学习和联合抽取模型进行联合训练，并对模型进行迭代优化。实验证明了该模型能够有效处理数据噪声问题，在实体关系抽取方面优于基线方法。

关键词

实体关系联合抽取 / 噪声数据 / 强化学习 / 多头自注意力机制 / 图卷积网络

基金资助

国家自然科学基金（61373116）; 工业和信息化部通信软科学项目（2018-R-26）; 陕西省教育厅科学研究计划（18JK0697）; 陕西省重点研发计划（2022GY-038）; 西安邮电大学研究生创新基金（CXJJYL2021045）; 陕西省大学生创新创业训练计划（202211664053）;陕西省大学生创新创业训练计划（202211664086）