关系事实是人类知识的一个重要组成部分,它隐藏在大量的文本中。为了从文本中提取这些事实,人们多年来一直致力于关系提取(RE)。从早期的模式匹配到目前的神经网络,已有的重建方法取得了显著的进展。然而,随着网络文本的爆炸式增长和新关系的出现,人类的知识急剧增加,因此我们需要从RE中得到“更多”:一个更强大的RE系统,它可以可靠地利用更多的数据,有效地学习更多的关系,轻松地处理更复杂的上下文,并灵活地推广到更开放的领域。本文回顾了现有的RE方法,分析了当前面临的关键挑战,为更强大的RE指明了希望的方向,希望我们的观点能够推动这一领域的发展,激励社会做出更大的努力。

成为VIP会员查看完整内容
37

相关内容

专知会员服务
37+阅读 · 2020年6月7日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
【清华大学】元知识图谱推理
专知
127+阅读 · 2019年9月2日
学习开发知识图谱中的长期关系依赖
人工智能前沿讲习班
8+阅读 · 2019年6月10日
论文浅尝 | Global Relation Embedding for Relation Extraction
开放知识图谱
12+阅读 · 2019年3月3日
论文浅尝 | 基于知识库的自然语言理解 03#
开放知识图谱
14+阅读 · 2019年2月26日
综述 | 事件抽取及推理 (下)
开放知识图谱
38+阅读 · 2019年1月14日
论文浅尝 | Distant Supervision for Relation Extraction
开放知识图谱
4+阅读 · 2017年12月25日
论文浅尝 | Reinforcement Learning for Relation Classification
开放知识图谱
9+阅读 · 2017年12月10日
Rapid Customization for Event Extraction
Arxiv
7+阅读 · 2018年9月20日
Arxiv
5+阅读 · 2018年6月5日
Arxiv
10+阅读 · 2018年4月19日
VIP会员
相关VIP内容
专知会员服务
37+阅读 · 2020年6月7日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
相关资讯
【清华大学】元知识图谱推理
专知
127+阅读 · 2019年9月2日
学习开发知识图谱中的长期关系依赖
人工智能前沿讲习班
8+阅读 · 2019年6月10日
论文浅尝 | Global Relation Embedding for Relation Extraction
开放知识图谱
12+阅读 · 2019年3月3日
论文浅尝 | 基于知识库的自然语言理解 03#
开放知识图谱
14+阅读 · 2019年2月26日
综述 | 事件抽取及推理 (下)
开放知识图谱
38+阅读 · 2019年1月14日
论文浅尝 | Distant Supervision for Relation Extraction
开放知识图谱
4+阅读 · 2017年12月25日
论文浅尝 | Reinforcement Learning for Relation Classification
开放知识图谱
9+阅读 · 2017年12月10日
微信扫码咨询专知VIP会员