TAILIEUCHUNG - Báo cáo khoa học: "Unsupervised Relation Discovery with Sense Disambiguation"

To discover relation types from text, most methods cluster shallow or syntactic patterns of relation mentions, but consider only one possible sense per pattern. In practice this assumption is often violated. In this paper we overcome this issue by inducing clusters of pattern senses from feature representations of patterns. | Unsupervised Relation Discovery with Sense Disambiguation Limin Yao Sebastian Riedel Andrew McCallum Department of Computer Science University of Massachusetts Amherst lmyao riedel mccallum @ Abstract To discover relation types from text most methods cluster shallow or syntactic patterns of relation mentions but consider only one possible sense per pattern. In practice this assumption is often violated. In this paper we overcome this issue by inducing clusters of pattern senses from feature representations of patterns. In particular we employ a topic model to partition entity pairs associated with patterns into sense clusters using local and global features. We merge these sense clusters into semantic relations using hierarchical agglomerative clustering. We compare against several baselines a generative latent-variable model a clustering method that does not disambiguate between path senses and our own approach but with only local features. Experimental results show our proposed approach discovers dramatically more accurate clusters than models without sense disambiguation and that incorporating global features such as the document theme is crucial. 1 Introduction Relation extraction RE is the task of determining semantic relations between entities mentioned in text. RE is an essential part of information extraction and is useful for question answering Ravichandran and Hovy 2002 textual entailment Szpektor et al. 2004 and many other applications. A common approach to RE is to assume that relations to be extracted are part of a predefined ontology. For example the relations are given in knowledge bases such as Freebase Bollacker et al. 2008 or DBpedia Bizer et al. 2009 . However in many applications ontologies do not yet exist or have low 712 coverage. Even when they do exist their maintenance and extension are considered to be a substantial bottleneck. This has led to considerable interest in unsupervised relation discovery Hasegawa et al. 2004 Banko .

• Báo cáo khoa học
• Unsupervised Relation Discovery
• Sense Disambiguation
• Limin Yao
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball