Apr, 2022

关系抽取的含义是什么？有关数据集的调查和科学关系分类研究

PDF
TL;DR本文对关系抽取数据集进行了全面的调查及研究任务定义及其应用。 研究发现，跨数据集和跨领域设置特别缺乏，并通过对两个数据集的科学关系分类进行了实证研究，发现注释存在实质性的差异，这解释了跨数据集评估中大幅度下降的原因。 最后，本研究呼吁在关系抽取中更加严格地报告设定和跨多个测试集进行评估。
relation extractiondatasettask definitionannotation discrepanciesevaluation
发现论文，激发创造
  • CrossRE：一个跨领域的关系抽取数据集

    本文提出了一种新的跨领域关系抽取基准，并提供了元数据和多标签注释来帮助理解困难实例。作者通过在六个不同的文本领域上进行评估，评估了最先进的关系分类模型，发现跨领域关系抽取的困难性，为该方向的研究提供了新的数据集和启示。

    Oct, 2022

  • 深度学习在关系抽取中的综合调查：最新进展与新前沿

    本研究综述了关系抽取领域深度学习技术的现状，涵盖资源、分类、挑战和未来方向等方面，有望促进研究者共同探索真实生活中关系抽取系统的挑战。

    Jun, 2023

  • 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

  • REflex: 在多个领域中灵活进行关系抽取的框架

    本文通过在三个常用数据集上的系统探索建立关系提取的统一框架，发现预处理对性能的影响巨大，且缺少信息会进一步阻碍公平比较，文章还就未来研究提出了建议。

    Jun, 2019

  • 更多数据、更多关系、更多上下文和更多开放：关系抽取综述与展望

    本文回顾了现有的关系抽取方法，分析了当前面临的关键挑战，并展示了通向更强大的关系抽取的有前途的方向。

    Apr, 2020

  • 远程监督关系抽取综述：以去噪和预训练方法为重点

    关系抽取（RE）是自然语言处理的基础任务，本文综述了四个阶段的 RE 方法，包括模式匹配、统计、神经网络和大型语言模型，并着重介绍了现代 RE 方法的远程监控和去噪预训练方法。

    Jul, 2022

  • 终止无效比较：端到端关系抽取

    本文针对目前关系提取领域中性能比较不可靠的问题，提出了一些无效比较的模式，并进行了实证研究来量化最常见错误对最终关系提取性能的影响，揭示了 BERT 和 span-level NER 的不足。本文强调在评估环节中应统一评估设置和数据集统计，并呼吁在 end-to-end 关系提取领域建立公认的评估标准。

    Sep, 2020

  • 以实体为中心的跨文档关系抽取

    本论文提出基于实体的文档上下文过滤来构建输入并基于跨路径实体关系注意力的交叉文档关系提取模型，与现有方法比较，在 CodRED 数据集上取得至少 10％ 的 F1 值的提升，从而展示其在跨文档关系提取中的有效性。

    Oct, 2022

  • BioREx：利用异构数据集提高生物医学关系抽取的准确性

    本论文提出了一种数据丰富的方法，将多个医学相关的 Relation Extraction 数据集组合成一个大型数据集，并使用 BioREx 实现了关系提取任务，结果表明，BioREx 在各种关系任务中的表现都优于当前最好的执行方法。

    Jun, 2023

  • 关系提取的深度学习方法综述

    本文通过比较深度学习在关系抽取任务中的应用，探讨不同模型的优劣和限制，以指导未来方向。

    May, 2017