WSDMDec, 2021

关系三元组抽取的简单而有效的双向框架

PDF
TL;DR本文提出了一种基于双向抽取框架的标记关系三元组抽取方法，该方法在联合提取主体和关系的同时从两个方向抽取实体对，并通过共享编码器组件实现特征互补和提升，使用双仿射模型为每个实体对分配所有可能的关系，在多个基准数据集上验证其性能和有效性，此外，实验证明，所提出的双向抽取框架和共享感知学习机制具有很好的适应性，可用于提高其他标记基于方法的性能。
taggingrelational triple extractionbidirectional extraction frameworkbiaffine modelshare-aware learning mechanism
发现论文，激发创造
  • 一种新型级联二进制标记框架用于关系三元组抽取

    提出了一个新的级联二进制标记框架（CasRel）来解决关系三元组抽取任务中的重叠问题，并且在两个公共数据集 NYT 和 WebNLG 上相对于最强基线在 F1 分数上具有 17.5 和 30.2 绝对增益。

    Sep, 2019

  • 比特币：基于双向标记和监督对比学习的联合关系三元抽取框架

    BitCoin 是一种创新的双向标记和监督对比学习的联合关系三元组提取框架，通过考虑主体和客体之间的多个正例，引入惩罚项来防止过度相似度，并实现了从主体到客体和从客体到主体的三元组提取。实验结果表明，BitCoin 在基准数据集上取得了最先进的结果，并显著提高了正常、SEO、EPO 和多关系提取任务的 F1 得分。

    Sep, 2023

  • 联合实体和关系抽取的有效级联双解码器模型

    本文提出了一种有效的两级解码器方法来从文本中提取重叠的关系三元组，该方法通过具有可训练嵌入的关系相关实体解码器和特定于文本语义的关系解码器来解决重叠三元组问题，并在两个公共数据集上取得了优异的性能。

    Jun, 2021

  • 关系三元组提取：一步到位

    本文提出了 DirectRel 模型，通过构建 “头实体→尾实体” 二分图的链接问题，直接在一步中提取所有的关系三元组，并在两个常用数据集上取得比现有技术更好的实验结果。

    May, 2022

  • 实体和关系的联合提取的解耦和聚集框架

    我们提出了一种新模型，旨在联合提取实体和关系，通过解耦特征编码过程并使用细粒度的子任务特定特征以及采用新的信息交互策略来增强模型性能，并在实验中展现了优于现有模型的结果。

    May, 2024

  • 优化大型语言模型的召回率：基于模型协作的关系三元组抽取方法

    本论文设计了一种评估过滤框架，将大型语言模型与小型模型整合在一起，用于处理关系三元组提取任务，以获得更准确的提取结果。评估模型能够高精度提取相关实体对，并通过简单的标注原则和深度神经网络对模型进行嵌入，将输出作为提示加入到大型模型的提取过程中。通过大量实验证明，该方法可以帮助大型语言模型从含有多个关系三元组的复杂句子中获得更准确的提取结果，同时也能够嵌入传统提取模型以提高其从复杂句子中的提取准确率。

    Apr, 2024

  • 基于查询的实例区分网络用于关系三元组抽取

    我们提出了一种基于查询的方法，用于构建关系三元组的实例级表示，然后通过对比学习，实现了关系三元组实例级表示的学习和全局信息连接，最终在五个广泛使用的基准测试中达到了最先进的水平。

    Nov, 2022

  • 利用多原型嵌入桥接文本和知识，进行少样本关系三元组提取

    本文提出了一种新的多原型嵌入网络模型，旨在共同提取关系三元组的组成，即实体对和相应的关系，通过设计一种混合的原型学习机制来连接文本和关于实体和关系的知识，从而注入实体和关系之间的隐式相关性，并提出原型感知正则化来学习更具代表性的原型，实验结果表明，该方法可以提高少样本三元组提取的性能。

    Oct, 2020

  • 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

  • 基于序列标注的少样本关系抽取框架

    本篇论文提出基于序列标注联合提取方法的小样本关系抽取任务，利用少量标注数据解决领域中标注数据不足的问题，并将两种实际序列标注模型应用于这个框架达到了良好的效果。

    Aug, 2022