基于实体注意力和负训练的远程监督噪声过滤方法

远程监督关系抽取可以在非人工标注条件下自动构建数据集，但同时会产生错误标注。针对错误标注问题，提出一种基于实体注意力和负训练的远程监督噪声过滤方法。首先使用BERT预训练语言模型或双向长短期记忆（BiLSTM）神经网络提取句子和实体的特征，然后通过计算实体和句子中每个词之间的相关性，作为头实体和尾实体的注意力权重，接着使用负训练的方式准确捕获噪声数据的关键特征，最后通过基于预测值的动态阈值函数过滤噪声数据，并根据样本的最大预测值对过滤出的噪声数据重新进行正确标注。在人工智能领域数据集上进行实验：所提方法在使用BERT预训练语言模型提取句子和实体特征时，相比SENTBERT,F1值获得了2.23个百分点的提升；当使用BiLSTM提取句子和实体特征时，相比SENTBiLSTM,F1值获得了2.53个百分点的提升。实验结果验证了所提方法能更有效地过滤远程监督产生的噪声数据。