Apr, 2019

OpenKI：结合开放信息抽取、知识库和关系推理的方法

PDF
TL;DR本文提出了 OpenKI 模型，通过对 OpenIE 三元组和 Knowledge Bases（KB）的整合来处理 OpenIE 的稀疏性。该模型通过进行实例级别推理来处理未知实体，并借助聚合和关注机制在关系推理中利用其邻域中的信息。实验结果表明，该方法不仅显着提高了现有 OpenIE 提取的准确率，而且还提高了面向半结构化数据的 OpenIE 表现。
openieknowledge basesinstance-level inferencesparsityrelation inference
发现论文，激发创造
  • 将表面事实与大规模知识图谱相关联

    通过提出一个新的基准测试，该研究论文旨在解决通过评估协议以考量系统的能力，从而能在更细粒度的三元槽级别上测量事实链接性能，同时测量一个系统是否能识别到表面形式在现有知识图谱中没有匹配项。研究还表明，与准确链接到现有实体相比，检测出现有知识图谱中不存在的实体和谓词更加困难，因此需要更多的研究努力来解决这个难题。

    Oct, 2023

  • 使用生成翻译技术映射和清理开放通识知识库

    本文提出了一种基于生成式翻译的方法，通过训练语言模型，将开放式知识库映射到现有知识库的固定模式中，以此解决了开放式知识抽取中存在的问题。实验证明，该方法在传统方法和生成式知识库构建之间找到了一个甜点，并且在避免后者的相关性噪声的同时，比前者产生了更高的映射准确性。

    Jun, 2023

  • 融合局部上下文和全局连贯性的开放信息提取

    本文提出了一种名为 ReMine 的新型 Open IE 系统，将本地上下文信号和全局结构信号统一到一个遥感监督的框架中，并利用外部知识库中的事实作为监督，通过联合优化问题解决实体 / 关系短语分割和元组提取质量评估的两个子任务，以提高从大型语料库中提取元组的质量，并在两种不同领域的实际语料库上进行实验以证明其有效性和鲁棒性。

    Apr, 2018

  • CESI：利用嵌入和附加信息规范化开放知识库

    本文介绍了一种新方法 Canonicalization using Embeddings and Side Information（CESI），通过学习 Open Knowledge Bases 的嵌入向量，对其中的重复和模糊事实进行规范化，在多个真实数据集上进行的实验表明 CESI 的有效性。

    Feb, 2019

  • 不确定知识下的关系抽取多视图推理

    本文提出了一种基于不确定知识图谱的关系抽取模型，该模型采用多视角推理框架来整合本地上下文和全局知识。实验结果表明，引入不确定知识和多视角推理框架的模型在句子和文档级别关系抽取上都具有竞争性能。

    Apr, 2021

  • 开放信息提取

    本文概述了两代 Open IE 系统，包括其优点、弱点和应用范围。第二代系统在深度语言学分析下，通过动词短语或从句提取最常见的关系类型，并获得比第一代系统更高的性能。

    Jul, 2016

  • 使用开放信息提取回答复杂问题

    本研究提出了一种 Open IE 推理方法，利用最近提出的支持图优化框架进行 QA，从而使得可以更有效地处理所提出的方法中所述的多种难度级别的复杂问题。同时本方法不依赖于手动策划的知识。

    Apr, 2017

  • 使用 OpenIE 丰富化关系抽取

    本研究探讨了最近开放信息提取方法（OpenIE）如何通过将句子的结构信息编码为向量表示来改进关系提取（RE）的任务，实验结果表明，使用 OpenIE 以及 BERTFine-tune 的方法可以改善 RE 的效果。

    Dec, 2022

  • 基于预训练语言模型的高效开放信息抽取数据学习

    通过将 OpenIE 任务形式巧妙地转换为 T5 模型的预训练任务形式，并引入锚点的创新概念，OK-IE 显著减少了对大量训练数据的需求，消除了模型收敛速度慢的问题，实验结果显示，相较于之前的 SOTA 方法，OK-IE 仅需 1/100 的训练数据量（900 个实例）和 1/120 的训练时间（3 分钟）即可达到可比较的结果。

    Oct, 2023

  • 开放信息抽取的语法多视角学习

    本研究使用多视图学习将从开放域语句中提取的关系元组所需的句法信息从成分结构和依赖关系树映射到词级别的图中并进行拓展，达到更好地融合此类信息的目的。实验证明，这种多视图学习的方法与使用多种信息源构建元组是非常有效的。

    Dec, 2022