01
远程监督概述
关系抽取任务定义 · 远程监督基本思想 · 优缺点 · 典型应用场景
入门核心概念
02
知识库构建
Freebase · Wikidata · 领域知识库 · 知识库对齐技术
知识工程结构化
03
文本对齐策略
命名实体识别 · 实体链接 · 字符串匹配 · 基于规则的对齐
对齐NER
04
远程监督假设
经典假设 · 局限性 · 噪声问题 · 多实例学习动机
假设噪声
05
数据生成流程
语料获取 · 实体标注 · 关系对齐 · 自动标注 · 数据清洗
数据流水线
06
噪声问题深入
错误标签类型 · 标签噪声分布 · 对模型影响 · 评估指标失真
噪声鲁棒性
07
多实例学习
包假设 · 包级别训练 · 注意力机制 · 选择注意力 · 实例选择
MIL注意力
08
PCNN模型
分段卷积神经网络 · 位置特征 · 分段最大池化 · 架构详解
PCNN池化
09
Piecewise Pooling
分段池化原理 · 与普通池化对比 · 代码实现 · 效果分析
池化实现
10
位置嵌入
相对位置编码 · 位置特征向量 · 嵌入维度选择 · 与词向量融合
位置编码嵌入
11
句子编码器
CNN · RNN · BERT · 编码器对比实验
编码器BERT
12
注意力机制
句子级别 · 包级别 · 多头注意力 · 注意力可视化
注意力可视化
13
选择注意力
Selective Attention · 权重计算 · 软选择与硬选择 · 实现细节
选择注意力去噪
14
损失函数设计
交叉熵 · 噪声鲁棒损失 · Focal Loss · 对比损失
损失鲁棒
15
评估指标
PR曲线 · P@N · AUC · F1 · 实际评估注意事项
评估指标
16
数据集介绍
NYT · WebNLG · TACRED · FewRel · 数据统计与划分
数据集基准
17
数据预处理
文本清洗 · 分词 · 实体标注 · 关系映射 · 格式转换
预处理清洗
18
模型训练流程
数据加载 · 批次构建 · 前向传播 · 反向传播 · 梯度裁剪
训练流程
19
超参数调优
学习率 · 批次大小 · 嵌入维度 · 卷积核 · 正则化
调优超参数
20
模型保存与加载
Checkpoint · 最佳模型选择 · 序列化 · 推理部署
保存部署
21
推理与预测
单句预测 · 包级别预测 · 置信度阈值 · 结果后处理
推理预测
22
错误分析
常见错误类型 · 案例研究 · 模型瓶颈 · 改进方向
错误分析诊断
23
改进方法
强化学习去噪 · GAN · 课程学习 · 协同训练
去噪进阶
24
跨句子关系抽取
文档级别 · 图神经网络 · 跨句子推理
跨句子GNN
25
少样本关系抽取
Prototypical Networks · Matching Networks · 元学习
少样本元学习
26
零样本关系抽取
描述增强 · 关系描述编码 · 开放关系抽取
零样本开放
27
远程监督与预训练模型
BERT+远程监督 · RoBERTa · ALBERT · 微调策略
预训练微调
28
工业部署实践
模型压缩 · ONNX导出 · TensorRT加速 · 服务化部署
部署加速
29
项目实战
金融领域 · 医疗领域 · 电商知识图谱构建
实战项目
30
前沿趋势
大语言模型与关系抽取 · 指令微调 · 思维链推理 · 未来展望
前沿LLM