有限数据下的信息提取迁移学习

ACLMar, 2020

Transfer Learning for Information Extraction with Limited Data

Minh-Tien Nguyen, Viet-Anh Phan, Le Thai Linh, Nguyen Hong Son, Le Tien Dung...

TL;DR本文提出了一种通过使用转移学习的方法，并结合深度神经网络和统计分类器的结合来进行信息提取，将该方法应用于日本政府工程竞标实际案例的文档处理中，证明了该模型能够提取具有详细信息精度的细粒度命名实体。

Abstract

This paper presents a practical approach to fine-grained information extraction. Through plenty of experiences of authors in practically applying information extraction to business process automation, there can be found a couple of fundamental technical challenges: (i) the availability

information extraction transfer learning deep neural networks convolutional neural networks document processing

发现论文，激发创造

信息提取：在发展中国家超本地金融数据领域的应用

本研究使用自然语言处理技术，旨在解决获取发展中国家公司财务数据的问题。通过构建专门针对发展中国家金融文本数据的数据集，我们采用基于 Transformer 的 T5 模型进行文本到文本的处理，同时进行命名实体识别和关系提取，达到 92.44% 的准确率、68.25% 的精确度和 54.20% 的召回率。同时，我们还使用 SpaCy 进行序列处理，包括预训练和微调模型的命名实体识别以及使用 SpaCy 的依赖解析器输出和一些启发式方法来确定实体关系，最终实现了 84.72% 的准确率、6.06% 的精确度和 5.57% 的召回率。

Mar, 2024

基于数据效率的形式文档信息提取

本文介绍了如何使用少量标记数据和被标记语料库进行转移学习，以实现在规模上自动从表单状文件提取信息。

Jan, 2022

使用神经网络进行命名实体识别的迁移学习

通过转移学习，可以提高病历记录去识别的最新技术在有限标记数据集上的性能。

May, 2017

面向实体中心信息抽取的噪声标签学习

本文研究信息提取中遇到的嘈杂标签问题，提出了一个共同正则化框架来解决这个问题，该框架基于识别嘈杂标签需要更多训练步骤且更容易被忘记的性质，在 TACRED 和 CoNLL03 这两个嘈杂基准数据集上进行了广泛的实验，并发布了代码供未来研究使用。

Apr, 2021

MT-Clinical BERT: 使用多任务学习扩展临床信息抽取能力的 BERT 模型

采用 Multitask-Clinical BERT 模型，可同时执行包括实体抽取、PHI 识别、语言蕴含和相似性在内的 8 种临床任务，极大减轻了信息提取系统的工程负担且表现出色。