ACLFeb, 2020

科学文献间关系解释

PDF
TL;DR本文介绍了通过自然语言文本解释两个科技文档之间关系的任务，提出了一个新的数据集和模型，探索使用科学信息提取系统的密集表示对提高解释性能的影响，并在自动和人类评估中证明了该模型的可行性和挑战。
scientific documentsnatural language textcomplex contentdatasetlarge language model
发现论文，激发创造
  • 维基百科文章语义关系的两两多类文档分类

    本研究旨在解决数字图书馆中文献推荐中相似文档关系的问题，我们将找到两个文档之间关系的问题建模为成对文档分类任务，并采用了一系列技术，如 GloVe，Paragraph-Vectors，BERT 和 XLNet 等不同配置进行实证分析，结果显示使用 BERT 作为最佳表现系统，该发现有助于推动基于此类技术的图书推荐系统的发展。

    Mar, 2020

  • 解释研究论文间的关系

    我们探索了一种基于特征的 LLM-prompting 方法来生成更丰富的引用文本，并一次生成多个引用以捕捉研究论文之间的复杂关系，通过专家评估研究我们发现，我们提出的特征对生成段落质量的影响具有很强的相关性，提示人们更喜欢高层次、抽象的引用和其中的过渡句来提供整体故事。

    Feb, 2024

  • 学术检索中语言模型的低效性：一个实验性概述

    评估科学语言模型在处理短查询文本和文本邻居时的能力，并通过小扰动生成的文本邻居证明不是所有扰动都会导致嵌入空间中的接近邻居。此外，研究发现检索性能更受文本表面形式的影响，而不是文本的语义。

    Mar, 2022

  • 利用经过优化的大型语言模型从复杂的科技文本中提取结构化信息

    通过预先训练的语言模型 GPT-3，我们提出了一种简单的序列到序列方法来联合提取科学文本中的复杂层次信息的命名实体识别和关系抽取，并证明了这种方式能够准确提取复杂科学知识的有用记录。

    Dec, 2022

  • 随时间学习词语相关性

    通过抽取一种从纵向数据集中提取出的时间关系模型，该篇论文为查询扩展任务提供了一种算法框架，以实现对搜索系统中的历史内容的更精确的识别和检索。

    Jul, 2017

  • 基于潜在结构微调的文档级关系抽取推理

    本研究提出了一种利用自动带引的潜在文档级图进行跨句子的关系推理的方法，并通过增量聚合相关信息来提高多跳推理的准确性，取得了在 DocRED，CDR 和 GDA 数据集上的最新最优性能。

    May, 2020

  • 通向构建可推广的工程设计知识

    本文介绍一种从专利文件中提取事实的方法，使用这些事实填充知识图谱来表示和存储设计知识，其中训练了一个标记器来识别实体和关系并组合这些知识点进行比较，建立了一个与风扇系统相关的领域知识库。

    Jul, 2023

  • 基于预训练语言模型的上下文小样本关系抽取

    通过预训练的语言模型，我们提出了一种新颖的在上下文中进行少样本关系抽取的框架，该框架可以消除命名实体识别和人工注释文档的需要，并实现了与现有方法相比最先进的性能。

    Oct, 2023

  • 基于大语言模型的远程监督半自动文档级关系抽取数据增强

    通过集成大型语言模型和自然语言推理模块，我们提出一种自动标注方法来生成关系三元组，从而增强文档级关系数据集，我们通过介绍增强的数据集 DocGNRE 展示了我们方法的有效性，该方法在重新注释众多长尾关系类型方面表现出色，并且在推进广义语言语义理解方面提供了实际好处。

    Nov, 2023

  • 基于关系相关性的文档级关系抽取

    本论文研究了文本级别关系抽取中的长尾问题和多标签问题，并通过引入关系的共现相关性，提出了一种关系嵌入模型来解决这些挑战，最终取得了优于基线模型的结果。

    Dec, 2022