May, 2022

数字图书馆中几乎无监督信息提取工作流的图书馆视角

PDF
TL;DR本文介绍信息抽取如何支持数字图书馆，讨论数字图书馆如何处理无监督抽取并报告机会和局限性，最后探讨无监督抽取工作流程的最佳实践。
information extractiondigital librariesunsupervised extractioncase studiesbest practices
发现论文，激发创造
  • 针对文本文档的高精度信息提取的人机协作优化

    本文研究信息提取方法，提出利用人工验证的弱监督标记方法，结合人工与计算机快速处理，以实现在精度要求高的情境下避免纯手工提取耗时过长的难题，并在犯罪司法数据集上实证其优越性。

    Feb, 2023

  • 科学文献元数据提取的新方法

    本研究提出了一种自动、准确和灵活的算法，能够从数字化科学文章中直接提取各种元数据，包括基本文档元数据、结构化全文和参考文献部分。该算法通过在大规模、多样化的数据集上训练监督和无监督机器学习算法实现，具有较高的精度，适用于分析异构文档集合。与其他类似解决方案的比较也证明了我们的算法在大多数元数据类型上表现优于竞争对手。

    Oct, 2017

  • 利用增强人工智能与计算机视觉从非结构化数据中进行信息提取

    利用 A2I 和计算机视觉技术提出了一种特殊的信息提取技术，适用于从非结构化数据中提取有意义的信息。

    Dec, 2023

  • 半监督神经标记的科学信息提取

    本文通过将问题建模为序列标注，并利用半监督学习方法和数据选择方案，提出了一个基于神经标注模型的关键短语提取和分类算法，该算法在 2017 年 SemEval 科学信息抽取任务中明显优于现有信息抽取方法。

    Aug, 2017

  • 2007 年至 2022 年的开放式信息抽取 -- 综述

    本文系统综述了 2007 年至 2022 年间的开放信息提取技术，提出了基于信息来源的新分类方法，并总结了三种主要方法、当前流行的数据集和模型评估指标，展示了数据集、信息来源、输出形式、方法和评估指标等方面的未来发展方向。

    Aug, 2022

  • 领域和通用文件中的信息提取：启发式和数据驱动方法的研究结果

    本项研究探讨了信息抽取中文档体类别和长度对常用方法的影响，特别是对具有文本挖掘任务价值的命名实体识别和语义角色标注有着重要的启示。

    Jun, 2023

  • 评估信息提取的质量

    大规模语言模型的进展显著提高了从非结构化和半结构化数据源中提取信息的效率。本文引入了一个自动框架，用于评估信息提取的质量和完整性，重点关注实体及其属性的信息提取。讨论了如何处理大规模语言模型的输入 / 输出大小限制，并分析了在迭代提取信息时它们的性能。最后，介绍了用于评估提取质量的度量标准，并对如何解释这些度量标准进行了广泛讨论。

    Apr, 2024

  • 高度技术领域的非监督术语提取

    本文介绍了一个商业知识发现平台的术语提取子系统，采用全面且无监督注释器来跨越高度技术领域。该注释器通过将子词分词的新颖形态信号与使用通用领域预训练句子编码器计算的术语和主题以及内部术语相似度度量相结合，提取术语。通过在大型未标记语料库上运行 UA 生成的训练数据进行变压器模型的微调或预训练，使得此设置能够提高预测性能，同时减少 CPU 和 GPU 的推理延迟。该注释器为所有未标注语料库提供了非常有竞争力的基线。

    Oct, 2022

  • 开放信息抽取调查

    本文详细介绍了针对开放式信息抽取任务提出的各种方法，包括面临的挑战、方法的发展历程和解决的特定问题，同时评论了常用的评估程序以及展望未来的研究方向。

    Jun, 2018

  • 基于跨度的信息抽取 -- 关于信息抽取的统一视角

    信息抽取是自然语言处理（NLP）中的一系列任务，用于识别文本中的子序列及其标签，并链接自由文本和结构化数据。本文提出了一种以文本片段为中心的统一视角，将多样的信息抽取任务重新定位为同一基本的以文本片段为导向的信息抽取任务。

    Mar, 2024