Questions faiblement supervisées pour l'extraction de relations de type "zéro".

Résumé

L'extraction de relations en mode zéro (ZRE) est une tâche d'extraction de relations dans laquelle les ensembles d'apprentissage et de test ne partagent aucun type de relation. Ce domaine très difficile est un bon test de la capacité de généralisation d'un modèle. Les approches précédentes de l'EZR ont recadré l'extraction de relations en tant que réponse à des questions (QA), permettant l'utilisation de modèles QA pré-entraînés. Cependant, cette méthode nécessitait la création manuelle de modèles de questions d'or pour chaque nouvelle relation. Ici, nous nous débarrassons de ces modèles d'or et apprenons plutôt un modèle qui peut générer des questions pour des relations non vues. Notre technique peut traduire avec succès les descriptions de relations en questions pertinentes, qui sont ensuite exploitées pour générer l'entité de queue correcte. Pour l'extraction d'entités de queue, nous surpassons l'état de l'art précédent de plus de 16 points F1 sans utiliser de modèles de questions en or. Sur le jeu de données RE-QA, pour lequel il n'existe aucune base de référence pour l'extraction de relations, l'algorithme que nous proposons se situe à 0,7 point F1 près d'un système qui utilise des modèles de questions en or. Notre modèle surpasse également les bases de référence ZRE de l'état de l'art sur les jeux de données FewRel et WikiZSL, ce qui montre que les modèles d'assurance qualité n'ont plus besoin de questions modèles pour atteindre les performances des modèles spécifiquement adaptés à la tâche ZRE.