之前调研过几天的nlp的关系提取任务，任务可以简单描述为给定一个一句话，包含两个或多个实体，希望输出两个或多个实体之间的关系。前些日子读到一篇利用强化学习解决相应问题的论文，很有意思，打算简单梳理一下其动机和方法。附上论文链接：Reinforcement Learning for Relation Classification from Noisy Data。
经典关系提取方法：
远程监督的方法做关系提取被证明十分有效，大致思路是使用现有的实体关系（可以是现有的知识图谱中的实体关系）对预料库进行自动标注，然后作为训练语料。比如，图谱中“北京”和“中国”存在的是"首都"关系，则对于出现“北京”和“中国”的句子就打上“首都”的标签，如：（北京，首都，中国），然后作为分类任务做监督学习。
这种方法期望利用现在成熟的文本分类方法解决关系提取，但也伴随这一个明显的问题，两个实体不止一个关系，并且包含两个实体的句子也不一定表达了两者有某种关系。而这些bad case同样也会被作为训练语料，从而影响最后的模型效果。
一种有效的解决方法（multi-instance）是将远程标注的数据分成多个bag,每个bag中包含多个instance，可以理解为句子。我们只有bag级别的标签label，而不知道bag级别中的标签。数据的训练同样也是bag级别的。如此缓解了错误标注的问题，基本算法流程：
- 初始化参数，划分bags为mini-batch
- 随即选择mini-batch,一个个将batch中的bag送入网络
- 每个bag中，取网络输出置信度最高的instance做最终使用的样本，多个bag选中的样本交叉熵做目标函数，更新参数。
- 重复2、3步直到收敛或达到最大epoch数。
multi-instance方法一定程度上缓解了错误标注的问题，但仍无法避免bag中数据全不标注错误的情况，由此，论文提出了强化学习思路来解决远程监督中错误标注的问题，并且解决训练样本粒度的问题，实现了句子级别的训练与预测。
RL 实体关系分类
系统分为两大部分：
- 实例选择器（instance selection）： 给定一个远程标注的有噪音的数据集合：<句子，关系标签> ，选择哪一个句子真正表述了该关系标签，并作为最终的训练数据。
- 关系分类器（relation classification）： 给定一个句子和其中的实体对，预测实体对的关系。
引用自论文
instance selection
agent 在当前状态下（当前待选择的句子，已经选择的句子，当前实体对）遵循当前策略做出action决定是否选择当前的句子做训练语料，并在所有选择结束后从关系分类器获得获得相应奖励。具体做法：将训练句子划分正N个bag，当一个bag里的句子被选择完毕，计算一次reward。从强化学习的关键部分来描述：
policy:
是否选择当前的句子。
state:
一个实数向量F(s_i)， F为一个映射函数，可以为一个神经网络：
状态s_i为：
- 分类器（论文中使用cnn模型）的非线性层输出的当前句子的向量表示。
- 已经选择的句子的向量表示的平均。
- 句子两个实体的预训练向量（TransE方法在知识图谱中获得）
action：
一个逻辑回归函数，当前策略下是否选择当前句子的概率，参数为W和b。
image.png
reward:
image.png
一个bag选择完毕，计算延迟奖励，被选择的句子的log概率取平均。
策略优化：
蒙特卡洛采样方式的策略梯度下降方法：
image.png
其中v_i为bag_i的期望回报。
relation classification
关系分类使用了比较经典的CNN文本分类模型，类别为所有的关系类型。
训练过程：
训练过程为简单的强化学习策略梯度下降方法：
image.png
小结：
论文的主要工作是利用RL来处理远程监督的噪声问题：
- 弱监督信号（关系分类器的预测置信度）和 trail-and-error search迎合了RL的特点和使用场景；
- 除了关系分类，类似方法也可以用在其他远程监督带来的噪声问题。
- 更新instance selector的reward信号是否可以尝试即时回报或者TD方式。
原创文章，转载注明出处。
更多关注公众号：
wechat
网友评论