Architecture siamoise et embeddings de triplet pour la validation de relations

Jose G. Moreno (1) , Rashedur Rahman (2) , Charlotte Rudnik (2) , Cong Wang (2) , Brigitte Grau (2)

1 IRIT-IRIS - Recherche d’Information et Synthèse d’Information
2 LIMSI - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur

La reconnaissance qu'une relation existe entre deux entités mentionnées dans un texte joue un rôle vital en extraction d'information (EI). Pour répondre à  la nécessité d'annoter manuellement de nombreux exemples, des paradigmes de supervision distante et d'EI non super- visée ont été proposés. Le point crucial dans ces approches est de pouvoir évaluer la validité des relations extraites. Dans cet article, nous proposons une nouvelle architecture neuronale pour modéliser la validation de relations, inspirée des modèles neuronaux pour l'implication textuelle. Nous encodons le texte et le triplet correspondant à  la relation dans une architecture siamoise afin de décider si le texte supporte ou non la relation. Nous proposons différentes représentations d'une relation qui tirent profit de l'apprentissage joint de mots et d'entités dans un espace commun.

Mots clés: Siamese Neural Network; entity embedding

Mots clés: Relation validation; embedding d'entités; validation de relation; réseau de neurone siamois

Domaines: Informatique [cs]; Informatique et langage [cs.CL]

Jose G. Moreno, Rashedur Rahman, Charlotte Rudnik, Cong Wang, Brigitte Grau. Architecture siamoise et embeddings de triplet pour la validation de relations. Conférence en Recherche d'Information et Applications, Mar 2019, Lyon, France. ⟨10.24348/coria.2019.CORIA_2019_paper_19⟩. ⟨hal-02281691⟩