ACLSep, 2021

SAIS: 文档级关系抽取的中间步骤监督与增强

PDF
TL;DR提出了一种基于中间监督的关系抽取模型，该模型能够更准确地捕捉相关背景和实体类型以提高可解释性和性能。通过对模型的不确定性进行评估，达到了在三个基准数据集上的最佳性能表现，并在 DocRED 中的证据检索上优于次优结果 5.04％相对 F1 得分。
relation extractionintermediate supervisionentity typessupervised learninginterpretability
发现论文，激发创造
  • 摘要作为关系抽取的间接监督

    SuRE 是一种将关系提取（RE）转换为摘要公式的方法，形成更精确且高效的关系提取，并展示其在摘要任务中作为潜在的间接监督的有效性。

    May, 2022

  • 使用句子重要性评估和聚焦进行文档级关系抽取

    提出了一种用于 DocRE 的 SIEF 框架，通过设计句子重要性评分和句子聚焦损失来鼓励 DocRE 模型专注于证据句子，以提高整体性能和鲁棒性。

    Apr, 2022

  • 通过迭代推理实现更好的文档级关系抽取

    本文提出了一种采用迭代推理的文档级关系抽取模型，包括一个基本模块和一个推理模块，推理模块引入了两个扩展交叉注意力单元，可以在关系推理过程中利用实体对的特征信息和之前的预测结果，通过对几乎无法预测的实体对进行处理以及引入对比学习等技术的二阶段训练策略，实现了对三个常用数据集的高效率解决方案。

    Nov, 2022

  • 关系抽取：综述

    本文介绍了关系抽取（RE）的若干重要的监督、半监督和无监督技术，以及开放信息抽取（OIE）和远程监督的范例，最后描述了近期 RE 技术和未来研究方向。这篇综述对于领域的新手、研究人员和实践者都有用。

    Dec, 2017

  • 实体知识注入增强文档级关系抽取

    本文提出了一种实体知识注入框架，以加强当前的文档级关系提取模型，并通过两个基准数据集的实验证实了我们扩展核链和融合知识图和文档表示的能力提高了文档级关系提取模型的一致性

    Jul, 2022

  • SIRE: 文档级别关系抽取中的分离句内和句间推理

    本文提出了一种有效的架构 SIRE，以不同的方式表示内部和跨句子关系，设计了一种新的直接的逻辑推理模块，能够覆盖更多的逻辑推理链，并在公共数据集上取得了优异的实验效果和可靠性。

    Jun, 2021

  • 照应辅助的文档级关系抽取

    我们提出了一种基于指代辅助的框架用于文档级关系抽取任务，实验结果表明我们的模型取得了最先进的性能。

    Oct, 2023

  • 自然语言推理提升远程监督关系抽取

    本文提出了一种新的 DSRE-NLI 框架，该框架利用现有知识库的远程监督和预训练语言模型的间接监督，通过半自动关系语言表达机制为间接监督提供能量，进而巩固远程注释以便于多分类 RE 模型，并通过数据整合策略实现训练数据的质量提高，大量实验证明该框架显著提高了远程监督 RE 基准数据集的性能（高达 7.73％的 F1）

    Jul, 2022

  • 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

  • 自适应焦点损失和知识蒸馏的文档级关系抽取

    本文提出了一个半监督框架，包含三个新组件，针对文档级关系抽取任务进行优化，通过轴向注意力模块学习实体对之间的相互依赖关系、自适应 focal loss 解决 DocRE 的类别不平衡问题，以及使用知识蒸馏方法克服人工标注数据与远程监督数据之间的差异。在两个 DocRE 数据集上的实验证明我们的模型表现超过了强基线模型，并且在 DocRED 排行榜上的 F1 分数和 Ign_F1 分数分别增加了 1.36 和 1.46 分。

    Mar, 2022