[EMNLP2017]Adversarial Training for Relation Extraction

多示例学习（multi-instance learning）的概念。在此类学习中，训练集由若干个具有概念标记的包（bag）组成，每个包包含若干没有概念标记的示例。若一个包中至少有一个正例，则该包被标记为正（positive），若一个包中所有示例都是反例，则该包被标记为反（negative）。通过对训练包的学习，希望学习系统尽可能正确地对训练集之外的包的概念标记进行预测，也就是说预测集也是包，对包打上正或负的标签
　　　　　　　　　　　　　　　　　　　　　多示例学习－－－周志华
多标签学习：简单举个例子，一部电影即属惊悚片又属恐怖片，也就是说一个样例可以有多个标签
http://blog.csdn.net/myproudcodelife/article/details/52706210
知乎上给出的multi-label的解释，并另附了很多资料，不妨一看
https://www.zhihu.com/question/35486862
因为该篇文章是多示例多标签的．所以此处先给出基本概念

Adversarial Training增加了模型的鲁棒性并且提高了泛化能力

关于adversarial Training如何应用在relation extraction中的细节随后奉上