ICMLOct, 2022

KPI-EDGAR：一个新型财务文档关系抽取数据集及其度量标准

PDF
TL;DRKPI-EDGAR 是一个基于文件上传到 EDGAR 系统的财务报告的联合命名实体识别和关系提取的数据集，该数据集的主要目标是从财务文件中提取关键绩效指标，并将它们链接到他们的数值和其他属性。我们还提供了四个附带的基准测试，用于衡量未来潜在的研究成果。此外，我们提出了一种新的成功度量方式，通过将单词级加权方案纳入传统的 F1 分数来更好地模拟该领域实体对的本质模糊边界。
发现论文，激发创造
  • RealKIE: 为企业关键信息提取设计的五个新数据集

    RealKIE 是一个具有五个具有挑战性数据集的基准测试，旨在推进关键信息提取方法，重点关注企业应用。这些数据集包括一系列不同类型的文档，包括 SEC S1 文件，美国保密协议，英国慈善报告，FCC 发票和资源合同。除了介绍这些数据集外，我们还提供了详细的注释过程、文档处理技术和基准建模方法的描述，以促进开发能处理实际挑战并支持研究产业特定问题的信息提取技术的进一步研究。

    Mar, 2024

  • 实现金融报告中数值一致性检查自动化

    KPI-Check 使用 BERT 过滤和文本分类技术，自动识别纠正金融报告中的同义词关键绩效指标，实现了高匹配性能。目前，这个工具正在为一家全球性审计公司的资产负债表和损益表审核工作提供帮助。

    Nov, 2022

  • EDGAR-CORPUS: 数十亿令牌推动世界运转

    我们发布了 EDGAR-CORPUS，这是一个包含美国所有上市公司年报的新颖语料库，其时间跨度超过 25 年，用于训练和发布金融领域的 WORD2VEC 嵌入。使用我们提供的开源工具 EDGAR-CRAWLER，未来的年报下载和提取也将变得更加容易。

    Sep, 2021

  • REFinD：金融关系抽取数据集

    本文提出 REFinD 数据集，该数据集为金融文档中的大规模关系注释数据集，可用于信息检索、语义搜索、问题回答和文本蕴含等任务，同时对各种最先进的深度学习模型进行实证评估并强调数据集带来的挑战。

    May, 2023

  • 文本前置：利用实体介词进行金融关系抽取

    在 ACM KDF-SIGIR 2023 竞赛中，我们对名为 REFind 的金融实体关系数据集进行了实体关系任务。我们采用了一个多步骤的方法，首先将提供的实体插入到相应的文本位置，然后利用带标签的训练集对基于 transformer 的语言模型 roberta-large 进行微调，以预测实体关系。最后，我们实施了后处理阶段，来识别和处理模型生成的不太可能的预测。由于我们的方法，我们在竞赛的公共排行榜上获得了第一名的排名。

    Aug, 2023

  • LDKP: 从长篇科技文档中鉴别关键词短语的数据集

    该研究发布了两份研究文献语料库，包括约 130 万篇和 10 万篇科学论文的完整抽取文本和附加元数据，有助于实现从科学文章中提取关键短语的任务。

    Mar, 2022

  • KE-QI: 知识增强的文章质量识别数据集

    该研究为解决鉴别高质量文章的问题提出了一种基于外部知识的文章质量鉴定方法，并提出了相关的数据集和实体链接技术，实验结果表明该方法有效性较高。

    Jun, 2022

  • 基于知识库推理的实体消歧方法改进

    提出了一种可在符号知识库中通过推理以完全可微的方式连接实体的实体消歧模型，该模型可以使用所有 KB 信息，超过六个著名实体消歧数据集中的现有模型，并在基于不常见和模糊实体的 ShadowLink 数据集中提高 12.7 F1。

    Jul, 2022

  • 利用开放语料库进行协同知识图谱融合

    本文提出了一种协作知识图谱融合框架，旨在使用从其他语料库中收集到的信息来精细化已有的知识图谱，并改进联合事件抽取与知识图谱融合的性能。

    Jun, 2022

  • REKnow：用于联合实体和关系提取的增强型知识

    本研究提出了一种知识增强的生成模型，能够前所未有地利用知识图谱来解决关系抽取问题中的歧义，显著提高了在多个基准测试和设置下的性能表现。

    Jun, 2022