Open Relation Extraction: Relational Knowledge Transfer论文解析

Open Relation Extraction: Relational Knowledge Transfer from Supervised Data to Unsupervised Data

Abstract

• 多数的OpenRE问题都限定在了unsupervised的模式中，没有利用Knowledge Base中的知识和标注数据。
• 所以提出RSN，学习预定义relation中的相似metric，并迁移至新的关系中进行识别。（学习relation中的共性，通过共性来判断两个entity是否存在某种relation的关系。）

Introduction

• relation extraction专注于抽取出实体之间的关系，其实就是relation classification。现在越来越多的方法使用训练数据集（因为DL的广泛使用和进步）。
• 也有非常多的人研究如何使用更少的标注数据去进行RE，例如boot strapping 类型的semi-supervised learning. distant supervision等等。但这些都只能抽取预定义的relation
• OpenRE尝试在开放领域的文本中抽取未被预定义的relation。Banko(2008 首次提出open information extraction) 直接将句子中出现的短语作为关系。e.g. received
• 也有一些人尝试用 unsupervised方法，聚类来解决问题，然而大多数的聚类都是unsupervised。很难筛选出中有用的relation和滤去不相关的relation
• 预定义的relation和全新的relation之间存在着一定的gap，因此我们提出了RSN网络，从预定义的类别和标注数据中抽取出relation指标，通过这个可迁移的relation metric来度量两个entity之间是否存在relation（这是这篇文章最核心的观点，两个domain之间的relation存在gap，需要transfer的去measure
• 此外作者的RSN也可以用于semi-supervised 和distantly-supervised training paradigm.

在list自己的contribution的时候，作者也提到了自己是所知的第一个提出knowledge transfer的概念的

Related Work

• OpenRE 可以被分为几个简单的类别：tagging-based & cluster-based，但是tagging-based经常会面对提取出过于细粒度的relation（relation是有层级的）。cluster-based往往需要非常多的feature，语义模式（e.g. noun-verb-noun)等信息。

few shot learning中的learning image metric启发了我们使用siamese network 去学习relation中的metric

Methodology

主要是两个component:

• relation similarity calculation module: RSN 判断两个句子是否是同一类的relation
• relation similarity clustering module：hierarchical agglomerative clustering (HAC) and Louvain clustering algorithms. 聚类出target relation.

Relational Siamese Network (RSN)

• 每一个word representation 有word embedding和随机初始化的position embedding2014 Zeng，
  CNN作为sentence encoder
  这边的Siamese network share同样的parameter

$v = CNN(s) \tag{1}$v=CNN(s)(1)
其中 $s$s 是sentence, $v$v是通过CNN encoder之后，得到的relation sentence representation

因此，度量两个relation sentence的distance:
$v_{d} = |v_{l} - v_{r}| \tag{2}$vd​=∣vl​−vr​∣(2)
再将计算所得的distance $v_{d}$vd​
通过一个简单的linear并且让sigmoid归一化至[0, 1]区间，即可得到相似的probability $p$p
$p = \sigma(\textbf{kv}_d+b) \tag{3}$p=σ(kvd​+b)(3)

$\mathcal{L_l} = \mathbb{E}_{d_l \sim D_l}[ qln(p_θ(d_l))+(1−q)ln(1−p_θ(d_l))] \tag{4}$Ll​=Edl​∼Dl​​[qln(pθ​(dl​))+(1−q)ln(1−pθ​(dl​))](4)
其中$\theta$θ是所有可训练的参数，$d_l$dl​对应一个属于$D_l$Dl​数据集中的 data pair

使用的是cross entropy loss，即仅有0 1两个label而已。非常简单

Semi-supervised RSN

unlabeled dataset为$D_u$Du​ unlabeled data pair 为$d_u$du​
semi-supervised RSN没有非常多的labeled data，需要使用大量的unlabeled data。所以一个比较好的决策是将所有在semantic space中的embedding尽可能的远离decision boundary（0/1 决策边界，是否属于同一类relation? ）
此处使用conditional entropy loss Grandvalet and Bengio, 2005 来解决问题，文中表达的意思为： It’s safe to increase the margin of decision boundary.
直觉上说，在$p$p=0.5时，两个sentence中，至少有一个接近decision boundary（其实我觉得这个直觉没有那么的strong…抽空和坐我后面的作者聊一下…）
草图如下：

如果两个点reverse也一样可以得出结论
因此接近decision boundary是非常不利于聚类或者使用RSN度量的。因此Loss修改为：
$\mathcal{L_u} = \mathbb{E}_{d_u \sim D_u}[ d_uln(p_θ(d_u))+(1−d_u)ln(1−p_θ(d_u))] \tag{5}$Lu​=Edu​∼Du​​[du​ln(pθ​(du​))+(1−du​)ln(1−pθ​(du​))](5)
注意式4中的$q$q已经不见了，因为此处使用的是unlabeled data

Virtual Adversarial Loss

由于神经网络的超强拟合能力，使用了conditional entropy loss(式5) 也许会使网络学习出一个非常复杂的超平面，导致所有的training data全部远离decision boundary. 针对这个问题又使用了virtual adversarial lossMiyato et al., 2016，搜索每一个在超平面上的data point的neighbor points，并且使得sharp change不会发生（也就是超平面变化更为平滑，否则一个离群点或者一个离群的pair就会导致RSN构成的超平面变化非常巨大）
使用 unlabled data训练的Virtual adversarial loss为 $\mathcal{L}_{vu}$Lvu​
所以，semi-supervised learning RSN的$\mathcal{L}$L为
$\mathcal{L}_{all} = \mathcal{L}_l + \lambda_v\mathcal{L}_{vl}+\lambda_u(\mathcal{L}_{u}+\lambda_v\mathcal{L}_{vu}) \tag{6}$Lall​=Ll​+λv​Lvl​+λu​(Lu​+λv​Lvu​)(6)
其中$\lambda_v$λv​和$\lambda_u$λu​都是可调的超参数

Distantly-supervised RSN

Distantly-supervised RSN 可以从unlabeled data以及Distantly-supervised data中学习
具体来说，label为：
$\mathcal{L}_{all} = \mathcal{L}_l + \lambda_u(\mathcal{L}_{u}+\lambda_v\mathcal{L}_{vu}) \tag{7}$Lall​=Ll​+λu​(Lu​+λv​Lvu​)(7)
此处直接将auto-labeled data(也就是distant supervised data)当作labeled data来进行处理，移除adv loss的labeled data的原因是因为会加重错误label的数据对模型的影响（很自然，会算两遍，当然有问题）
作者认为不需要其他去噪的方法因为RSN本身就能够tolerate这些噪音数据（wrong labeled data in distant supervision）

• negative samples 才是数据中的大部分内容，不会影响太多
• 其次真正做new relation detect的时候，重点在与密集的cluster区域，那些噪音数据不会影响太多。

上述三类训练RSN的方法适用于不同的场景，训练出来的RSN一定会结合聚类方法来进行使用！

Open Relation Clustering

训练出来的RSN会用于计算两个包含relation的 sentence之间的similarity。

Hierarchical Agglomerative Clustering

HAC是一个自底向上的聚类方法，首先将每一个instance都作为一类，通过计算距离来将instance合成一类。距离的计算方法是使用 complete-linkage criterion
然而HAC很难决定什么时候停止聚类，一般是通过设置distance阈值，但是这个阈值也非常很确定。而且这个方法有很大的缺点是，只有可能存在了一些cluster之后，才可以开始聚类。因此作者引入第二个聚类方法

Louvain

Louvain是基于图的聚类方法，通常用于community detection。 此处作者使用如果两个instance之间的similarity 为0，那么就代表这两个instance之间有一个edge（我感觉是1才代表了有一条edge？需要去看一下Louvain的原论文，才应该有更确切的解释）。通过构建graph来使用Louvain。此外Louvain也不需要有potential clusters之后才可以去使用。直接使用即可

实验证明了Louvain perform better than HAC

Experiments

实验是在FewRel 和FewRel-distant上进行的,效果非常好

Future Work

• 会尝试使用其他的sentence encoder。
• 以及思考relation中的层级关系