阅读了一些论文,目前依旧似懂非懂.
远程监督:通过将知识库与非结构化文本对齐来自动构建大量训练数据，减少模型对人工标注数据的依赖，增强模型跨领域适应能力。
所以远程监督的过程仅仅是数据集自动化构建的过程? 并不涉及到模型的训练及预测?
另,似乎在远程监督中,提出了bag的概念,但凡在bag中出现关系对,则标记为正例;否则,标记为负例,这样做的目的是什么?
请求前辈们的指点,谢谢.
远程监督在关系抽取中的应用主要集中在数据集构建阶段，但并非仅仅如此。远程监督（Distant Supervision）是一种自动构建标注数据集的方法，通过将知识库（如维基百科、Freebase等）中的已知实体关系与大规模无标注文本进行对齐，从而为机器学习模型提供训练所需的大规模有标注数据。
然而，在实际的关系抽取任务中，远程监督的作用还可以延伸到以下几个方面：
模型指导与优化：远程监督不仅提供数据，其对齐过程中的假设和噪声也可以反馈至模型设计和优化过程中，比如启发基于注意力机制的模型来减少噪声标签的影响，或者用于调整模型的学习策略。
弱监督学习：远程监督本质上是弱监督学习的一种实现方式，即利用不完全准确或存在噪声的标签信息来训练模型，这对关系抽取乃至整个自然语言处理领域具有更广泛的意义。
半监督学习场景：在部分数据标注不足的情况下，远程监督可以结合少量人工标注数据，形成半监督学习框架，帮助提升模型性能。
模型评估：虽然主要应用于训练数据构建，但在某些特定情况下，远程监督原则也可用于对抽取结果进行初步筛选和评估，例如，利用知识库验证抽取出来的关系是否合理。
综上所述，远程监督在关系抽取中的作用并不仅限于数据集构建，它还在模型训练、优化、学习策略等多个环节发挥着重要作用。
