为充分利用数据集中已有的标注信息来增强模型训练效果，提出了一种面向不完全标注场景的一致性训练框架，将关联任务的标注信息作为输入的一部分，通过一致性训练使模型输出中尽可能附带上辅助的标注信息。为减少生成模型对于相同输入的输出偏差，在辅助任务中将蒸馏数据作为了输出空间概率分布的教师指导。试验结果表明，该框架在不干扰原有抽取任务的情况下，可将其他任务标注作为辅助信息注入目标任务中，从而提升了整体知识抽取效果。
科研之友
微信
新浪微博
Facebook
分享链接
