AAAIJun, 2022

DetIE: 基于物体检测启发的多语言开放信息抽取

PDF
TL;DR本文提出了一种基于计算机视觉中的物体检测算法启发的一种新型单遍 OpenIE 方法，并使用基于二分图匹配的无序损失和基于 Transformer 的编码器体系结构进行序列标记。 该方法更快速并在标准基准测试中表现出优异的性能。我们还在两种语言的零 - shot 设置中对其进行了多语言版本的评估，并在多语言 Re-OIE2016 上展示了性能提高 15％，使两种语言的 F1 值均达到 75％以上。
open information extractionsingle-pass methodobject detection algorithmstransformer-based encoder-only architecturemultilingual re-oie2016
发现论文，激发创造
  • Multi$^2$OIE: 基于多头注意力和 BERT 的多语言开放信息抽取

    本文提出了一个结合 BERT 和多头注意力机制的多重开放信息提取系统，应用于序列标注任务具有更高的计算效率，并在两个基准数据集上实现了最佳表现。另外，我们还应用于多语言开放信息提取，使用多语言 BERT 在没有目标语言训练数据的情况下优于其他多语言系统。

    Sep, 2020

  • 基于预训练语言模型的高效开放信息抽取数据学习

    通过将 OpenIE 任务形式巧妙地转换为 T5 模型的预训练任务形式，并引入锚点的创新概念，OK-IE 显著减少了对大量训练数据的需求，消除了模型收敛速度慢的问题，实验结果显示，相较于之前的 SOTA 方法，OK-IE 仅需 1/100 的训练数据量（900 个实例）和 1/120 的训练时间（3 分钟）即可达到可比较的结果。

    Oct, 2023

  • 利用谓词提示在开放式信息抽取中挖掘对偶性

    提出了一种名为 DualOIE 的新型生成式开放信息提取模型，通过实现双重任务同时从句子中提取三元组并将其转化为句子的形式，有效地从句子中提取复杂三元组，实验证明 DualOIE 在两个基准测试以及美团数据集上表现最佳，Meituan 平台上的在线 A/B 测试显示通过 DualOIE 提取的三元组在美团的搜索系统中可以获得 0.93% 的 QV-CTR 改进和 0.56% 的 UV-CTR 改进。

    Jan, 2024

  • 神经开放信息提取

    本文提出了一种基于神经网络的 Open IE 方法，采用了编码器解码器框架和引导式自我学习的方法，实验表明这种方法比传统方法更优秀。

    May, 2018

  • 无监督信息抽取作为统一的文本到三元组翻译

    运用文本三元组转换模型，将信息提取任务转化为输入文本到输出三元组的翻译过程，通过预训练语言模型的潜在知识对不同任务进行转换，预测输入文本对应的关系性信息可以有效地生成任务特定的输出，并且不需要任何特定的任务训练就可以实现零样本迁移，相比于有训练集的监督学习，具有明显的优势。

    Sep, 2021

  • 利用大型语言模型和一致的推理环境掌握开放信息提取任务

    通过构建合适的推理环境，本文探索利用大型语言模型（LLMs）解决开放式信息抽取（OIE）问题，实验结果表明，相较于最先进的监督方法，我们的 6-shot 方法在标准 CaRB 基准上实现了 55.3 的 F1 分数，同时在 TACRED 和 ACE05 上实验结果显示，我们的方法可以自然地推广到其他信息抽取任务，并分别获得了 5.7 和 6.8 的 F1 分数提升。

    Oct, 2023

  • IELM：面向预训练语言模型的开放式信息抽取基准测试

    本文介绍了一种新的基于预训练语言模型的开放信息抽取基准测试，并证明该基准测试可以通过将预训练语言模型转化为零样本抽取系统，充分检查模型中存在的开放关系信息。​

    Oct, 2022

  • 利用语言增强的嵌入技术进行开放信息抽取

    自然语言处理中的开放信息提取（OIE）通过引入预训练语言模型和语言特征，通过 Seq2Seq 预训练语言模型提升 OIE 架构性能，并在性能评估中获得了 24.9%、27.3% 和 14.9% 的改进。此外，还介绍了其他挑战，如利用语义依赖解析标签减少计算开销、创建干净的合成数据集以及探究 OIE 行为在结构化预测模型中的表现。

    Mar, 2024

  • 开放信息抽取的语法多视角学习

    本研究使用多视图学习将从开放域语句中提取的关系元组所需的句法信息从成分结构和依赖关系树映射到词级别的图中并进行拓展，达到更好地融合此类信息的目的。实验证明，这种多视图学习的方法与使用多种信息源构建元组是非常有效的。

    Dec, 2022

  • MT4CrossOIE: 跨语言开放信息抽取的多阶段调优

    我们提出了一种名为 MT4CrossIE 的有效的多阶段调整框架，通过将语言特定知识注入共享模型中，增强跨语言开放信息提取，实验证明了聚合多个插拔式语言特定模块的重要性，以及 MT4CrossIE 在跨语言 OIE 中的有效性。

    Aug, 2023