Leveraging Knowledge Bases in LSTMs for Improving Machine Reading

《Leveraging Knowledge Bases in LSTMs for Improving Machine Reading》

这篇文章是发表在2017年ACL上的，主要是聚焦于外部知识改善LSTM，运用在实体抽取和事件抽取任务。在ACE2005的数据集上得到了SOTA效果。

首先介绍这篇文章的两个知识库，一个是WordNet一个是NELL。

• Word net是人工创造的一个词典，里面含有大量的同义词，以及他们之间的概念关系（上位词hypernym，part_of关系）。

比如(location, hypernym of, city)，(door, has part, lock)

头实体和尾实体都是Wordnet中的同义词

• NELL，是自动构建的，基于网页的知识库，存储了实体之间的关系。

比如(New York, located in, United States) ， (New York, is a, city)

头实体和尾实体都是一个真实世界的名词短语实体，尾实体也可以是一个概念分类。

接下来分以下四部分介绍：

• Motivation
• Model
• Experiment
• Discussion

1、Motivation

• 传统的方法将知识表示成离散的特征，这些特征的泛化性能很差，而且为了获得好的效果还需要特定任务的特征工程。
• 在不同的文本之间，知识的使用也是不同的，比如说一词多义， Clinton，既可以表示一个人，也可以表示一个城镇。如果加入无关上下文的知识，可能会误导模型。

针对这两个问题，该篇论文提出kblstm，首先利用这个连续的知识的表示去加强循环神经网络的学习能力。

而且为了去有效的整合背景知识和当前文本，还提出了使用一种带有sentinel（哨兵）的attention机制，可以动态的决定是否要引入背景知识并且哪一条背景知识是有效的

2、Model

2.1 overview

模型这一部分主要是把外部知识引入到双向循环神经网络当中（2.2）。主要是在隐藏状态，加入外部信息。外部信息是通过连续编码，使用konwledge embedding的方法（2.3）

2.2 Knowledge-aware Bidirectional LSTMs

首先学习到知识库里面的concepts的向量。然后去检索当前词的相关候选concepts $V(x_t)$V(xt​)，并且把它们整合到状态向量，得到$m_t$mt​ ，去做预测。

核心是Knowledge model，对每一个候选去计算一个双线性，反应了concept 和当前隐状态的关系。

有时候一些kb可能会误导模型，为了解决这个问题，引入一个知识哨兵。两个作用：

• records the information of the current context
• use a mixture model to allow for better tradeoff between the impact of background knowledge and information from the context.

St计算方式如下：

首先，用前一时刻的状态和当前输入，过一个门函数，可以把这个门看成输出门，决定我要输出多少的信息，然后和状态向量进行计算。

接着和神经网络当中的状态进行双向性计算得到打分belta。

最后使用混合模型得到表示：

注意这个限制条件：

之前这个地方其实不是很理解。文章说的是为了权衡背景知识和来自于上下文的信息。但是最后输出的时候，只是做了一个简单的向量加和。而且st和前一部分的vt是两部分独立的。St并没有对前面的这些知识起到一个过滤或者说是什么的作用。所以前面的motivation说，st这个哨兵向量是为了决定是否要引入外部知识。就很迷。

解答：就是为了权衡背景知识和来自于上下文的信息。mt的来源有两部分，一部分是融入了背景知识的隐向量，一部分是只有当前信息的哨兵向量。
st这个哨兵向量是为了决定是否要引入外部知识，因为有限制条件，加和为1。所以当belta很大的时候，也就是我更加关注于上下文信息，忽略掉知识信息，那么可以用来解答motivation。zhi’q

2.3 Embedding Knowledge Base Concepts

对于wordnet，把当前词的同义词作为候选concept。

对于Nell，我们搜索当前词的实体和相关的概念分类（concept categories）作为候选concept。

使用知识图谱embedding方法去学习候选的表示。我们把一个concept定义成一个三元组，用一个打分函数去衡量三元组的相关性。打分函数主要是使用双线性函数。头实体和尾实体表示他们的向量。Mr是一个关系确定的embedding矩阵。

using the max-margin ranking objective:

对于word net我们使用预处理的数据［1］去训练。包括15万的三元组，4万的同义词和18个关系。对于NELL，使用其子集去进行训练，过滤掉了一些置信度少于0.9的名词短语。最终有18万的名词短语和258个概念分类。

3、Experiment

做了两个实验，第1个实验是实体抽取。第2个实验是事件抽取。

3.1 实体抽取

1、实体抽取结果

BiLSTM-Fea：a BiLSTM network that combines its hidden state vector with discrete KB features

2、我们设置了不同的KB，去验证外部数据的有效性。

3.1 事件抽取

1、实验结果

The first block in Table 5 shows the results of the feature-based linear models；
The second block shows the previously reported results for the neural models；
The third block shows the results of our models

4、Discussion

文章提出了两点，第1点是在循环神经网络当中融入了外部知识表示，第2点是引入了一个哨兵向量，能够去决定是否需要使用外部知识，而且也能够在用外部知识和用上下信息做权衡。

[1]Antoine Bordes, Nicolas Usunier, Alberto GarciaDuran, Jason Weston, and Oksana Yakhnenko. 2013. Translating embeddings for modeling multirelational data. In Advances in Neural Information Processing Systems (NIPS)