EMNLPOct, 2022

ConReader: 探索合同中的隐式关系来提取合同条款

PDF
TL;DR本文提出了一种名为 ConReader 的框架，用于通过 modeling implicit relations in legal contracts 的方式来更好地理解并改进 Contract Clause Extraction，在两个任务上取得了最新的 state-of-the-art 效果。
contract clause extractionimplicit relationscomplexity issuesconreaderstate-of-the-art
发现论文，激发创造
  • 使用显式上下文条件的关系抽取

    该研究提出了计算上下文标记间隐式关系并与一阶关系得分相结合，以改进关系抽取模型性能的方法。在两个生物医学数据集上得到了最优结果。

    Feb, 2019

  • 关系之间的关系：关系抽取问题的新范式

    本文提出了一种基于图神经网络和关系矩阵变换器的数据驱动关系提取新方法，不需要手工规则，能够完整考虑同一个上下文中的多个关系，并通过对 ACE05 数据集和 SemEval 2018 Task 7.2 等数据集的实验验证，证明该方法优于现有方法 1.12％到 2.55％不等。

    Jun, 2020

  • 跨域合同元素双向反馈子句 - 元素关系网络提取

    提出了一种用于跨域合同元素提取的框架，Bi-FLEET，通过构建跨域子句元素图和采用分层图神经网络来维护与子句和元素类型相关的不变知识，设计具有双向反馈结构的多任务框架，同时进行子句分类和元素提取，实现合同元素自动识别和提取，大幅减少人工成本和降低错误率。

    May, 2021

  • 复杂关系提取：挑战与机遇

    本文主要介绍了基于实体的关系抽取中传统的二元关系抽取及其发展，同时总结了近期提出的复杂关系抽取任务的定义、进展、挑战和机会。

    Dec, 2020

  • 通过易于关系增强和对比学习改善长尾文档级关系抽取

    本文针对文本提取中长尾分布问题，提出 Easy Relation Augmentation (ERA) 方法和基于此的对比学习框架 ERACL，以改善面向真实场景的文档级关系提取性能，取得了优越的表现。

    May, 2022

  • 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

  • 基于语义增强机制的关系抽取模型

    通过结合语义增强机制，本论文提出的 CasAug 模型能够解决关系抽取中的三元组重叠问题，提高关系抽取效果，并能更好地处理重叠问题和提取多个关系。

    Nov, 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

  • 召回、检索与推理：迈向更好的上下文关系抽取

    通过提出一种召回 - 检索 - 推理关系抽取框架，将大型语言模型与检索语料库相结合，从而使语言模型能够在上下文中进行可靠的推理，以提高关系抽取的性能。

    Apr, 2024

  • 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