贾 真，冶忠林，尹红风，何大可

(1. 西南交通大学 信息科学与技术学院, 四川 成都 610031；2. DOCOMO Innovations 公司，美国 帕罗奥图 94304)

基于Tri-training与噪声过滤的弱监督关系抽取

贾 真1，冶忠林1，尹红风2，何大可1

(1. 西南交通大学 信息科学与技术学院, 四川 成都 610031；2.DOCOMOInnovations公司，美国 帕罗奥图 94304)

弱监督关系抽取利用已有关系实体对从文本集中自动获取训练数据，有效解决了训练数据不足的问题。针对弱监督训练数据存在噪声、特征不足和不平衡，导致关系抽取性能不高的问题，文中提出NF-Tri-training(Tri-trainingwithNoiseFiltering)弱监督关系抽取算法。它利用欠采样解决样本不平衡问题，基于Tri-training从未标注数据中迭代学习新的样本，提高分类器的泛化能力，采用数据编辑技术识别并移除初始训练数据和每次迭代产生的错标样本。在互动百科采集数据集上实验结果表明NF-Tri-training算法能够有效提升关系分类器的性能。

关系抽取; 弱监督学习;Tri-training; 数据编辑

1 引言

关系抽取是信息抽取任务之一，其目的是从文本中找出实体对之间的语义关系类别。关系抽取在知识库构建、自动问答、信息检索等多个领域具有重要的应用价值。传统基于有监督机器学习的关系抽取依赖于人工标注的训练语料。然而，随着关系抽取从限定关系类型转向开放领域，数据源从标准语料库转向海量的网络数据，人工标注几乎是不可能的。基于弱监督学习(weakly supervised learning)的关系抽取从知识库中提取结构化的关系实体对，通过对文本集中的句子进行回标自动构建训练数据，再利用机器学习算法训练分类器，对未标注文本集中的实体对进行关系预测。……