摘要

对抗训练（Adversarial Training, AT）是一种正则化方法，可以通过在训练数据中添加微小扰动来提高神经网络方法的鲁棒性。本文展示了如何将AT应用于实体识别和关系抽取任务。具体而言，我们证明了将AT应用于一种通用的基线模型，该模型用于联合抽取实体和关系，可以在不同场景（如新闻、生物医学和房地产数据）的多个数据集上以及不同语言（英语和荷兰语）中提升现有最先进方法的效果。