粗读Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks（关系抽取）

关系抽取的论文粗读1

原文：www.emnlp2015.org/proceedings/EMNLP/pdf/EMNLP203.pdf

代码链接

https://github.com/ShomyLiu/pytorch-pcnn

https://github.com/pencoa/PCNN

what 

背景：关系抽取是一类经典的 NLP 任务，也是构建高质量知识图谱的基础，针对关系抽取的研究工作非常多，远程监督是研究中的热点方法。

在这篇论文之前，主要有两类关系分类的思路：

1. 基于特征的方法，这种方式对人工特征向量的要求较高，需要为数据集找出一种合适的特征表示。 
2. 基于kernel的方法，这种方式可以对输入进行丰富的表示，例如句法树。它能够通过核函数来提特征，当然也有很多核函数被提出，例如：convolution tree kernel，subsequence kernel，dependency tree kernel

how

1. 提出使用PCNN来自动提取特征。
2. 往PCNN中加入multi-instance learning，用来解决远程监督引发的错误标签问题。
3. 提出分段进行max pooling，从而考虑两个Entity之间的结构特征。

四个部分：

Vector representation、Convolution、Piecewise max pooling、Softmax classifier.，参见网络结构图。

感谢与主要参考：

关系抽取阅读小组

远程监督关系抽取-论文解读https://zhuanlan.zhihu.com/p/39885744

Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks

https://blog.csdn.net/dalangzhonghangxing/article/details/80298755