ACLJun, 2021

基于潜在关系和全局对应的联合关系三元组抽取（PRGC）

PDF
TL;DR本文提出了一种基于 PRGC 的联合关系三元组抽取框架，在公共基准测试中实现了最新技术的表现并在重叠三元组的复杂场景中提供一致的性能提升。
joint extractionentitiesrelationspotential relationprgc
发现论文，激发创造
  • 关系抽取和分类的生成模型

    本文介绍了一个名为 GREC 的关系抽取和分类的生成模型，采用序列生成任务对关系进行建模，并探索了各种编码表示方法，提出了负采样和解码缩放技术，可实现一次性从句子中提取所有关系三元组，从而在三个基准关系抽取数据集上取得了最新的表现，虽然一次性处理比传统方法在效率上损失了一部分性能，但它更具计算效率。

    Feb, 2022

  • REKnow：用于联合实体和关系提取的增强型知识

    本研究提出了一种知识增强的生成模型，能够前所未有地利用知识图谱来解决关系抽取问题中的歧义，显著提高了在多个基准测试和设置下的性能表现。

    Jun, 2022

  • 多语言知识图谱补全的关系和实体对齐

    ALIGNKGC 是一种用于训练多语言知识图谱（Knowledge Graph）完成、实体对齐和关系对齐模型的方法，旨在优化三种损失。使用 DBPedia 数据集进行实验，并与单一 KGC 模型、不使用对齐的 KGC 模型进行比较，结果表明 ALIGNKGC 在这三种任务上的表现均得到了改善。

    Apr, 2021

  • 利用开放语料库进行协同知识图谱融合

    本文提出了一种协作知识图谱融合框架，旨在使用从其他语料库中收集到的信息来精细化已有的知识图谱，并改进联合事件抽取与知识图谱融合的性能。

    Jun, 2022

  • OneRel: 一步完成联合实体和关系抽取的单模型方法

    本文提出了一种名为 OneRel 的新型关系抽取模型，将抽取任务视为细粒度的三元组分类问题，在两个常用数据集上的实验结果表明，该方法优于现有基线模型，并在各种重叠模式和多个三元组的复杂场景中持续性能提高。

    Mar, 2022

  • 基于语义增强机制的关系抽取模型

    通过结合语义增强机制，本论文提出的 CasAug 模型能够解决关系抽取中的三元组重叠问题，提高关系抽取效果，并能更好地处理重叠问题和提取多个关系。

    Nov, 2023

  • GCRE-GPT: 一种用于比较关系提取的生成模型

    本文提出一种基于生成模型的比较关系提取器 (GCRE-GPT)，能够直接从文本中高精度地提取出比较关系，并在两个数据集上取得了最先进的准确性。

    Mar, 2023

  • 一个用于联合关系三元组抽取的双合并模型

    通过使用基于两维句子表示的双重整合模型，本文提出了一种解决关系三元组提取中的语义重叠问题的方法，同时增强与关系三元组相关的局部和全局语义特征，有效提高实体识别和关系类型分类的性能，并在多个发布数据集上取得了有竞争力的性能，分析实验证明了我们模型在关系三元组提取中的有效性并对其他自然语言处理任务提供了动力。

    Apr, 2024

  • 全局关系嵌入用于关系提取

    通过收集全文的文字和知识库关系的共现统计数据，利用文本关系嵌入来处理远程监督下错误标记的问题，从而增强了现有的关系提取模型，在常用关系提取数据集上，将精度从 83.9％提高到 89.3％。

    Apr, 2017

  • 基于实体和证据引导的 DocRED 关系抽取

    这篇论文提出了一种基于预训练语言模型的 E2GRE 框架，通过实体引导序列和内部注意概率作为额外特征，来帮助文献级关系抽取和证据预测，并取得了在 DocRED 数据集上最先进的结果。

    Aug, 2020