远程监督：基于规则的标记方法？
Distant Supervision: a rule-based labelling approach?
我目前正在研究实体关系，我发现很多论文都实施了远程监督来标记数据。我对远程监督的理解是，我们有一个已建立的知识库 (KB)，我们通过检查提取的实体对是否存在于 KB 中来做某种 "rule-based labeling"。如果实体对存在于 KB 中，则将其标记为正，否则将标记为负。
我的问题是：
- 我对远程监督的概念理解正确吗？
- 如果是，我不明白为什么我们要训练神经网络来对基于规则的系统进行分类？例如，如果将来我们得到包含实体的新句子，并且我们想检查它们之间是否有关系，我们为什么不回头参考 KB？为什么我们要训练实体关系？
谢谢
远程监督是使用基于规则的启发式方法来生成标记数据，生成的标记数据随后用于训练模型（通常是神经网络）。
知识库 (KB) 可用作基于规则的启发式方法。正如 Nathan McCoy 所说，知识库通常是不完整的，模型将使您能够检测知识库中不存在的实体之间的关系。
Snorkel 是为远程监督开发的工具示例
我目前正在研究实体关系，我发现很多论文都实施了远程监督来标记数据。我对远程监督的理解是，我们有一个已建立的知识库 (KB)，我们通过检查提取的实体对是否存在于 KB 中来做某种 "rule-based labeling"。如果实体对存在于 KB 中，则将其标记为正，否则将标记为负。
我的问题是：
- 我对远程监督的概念理解正确吗？
- 如果是，我不明白为什么我们要训练神经网络来对基于规则的系统进行分类？例如，如果将来我们得到包含实体的新句子，并且我们想检查它们之间是否有关系，我们为什么不回头参考 KB？为什么我们要训练实体关系？
谢谢
远程监督是使用基于规则的启发式方法来生成标记数据，生成的标记数据随后用于训练模型（通常是神经网络）。
知识库 (KB) 可用作基于规则的启发式方法。正如 Nathan McCoy 所说，知识库通常是不完整的，模型将使您能够检测知识库中不存在的实体之间的关系。
Snorkel 是为远程监督开发的工具示例