EMNLPOct, 2022
以实体为中心的跨文档关系抽取
Entity-centered Cross-document Relation Extraction
Fengqi Wang, Fei Li, Hao Fei, Jingye Li, Shengqiong Wu...
TL;DR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。
Abstract
relation extraction (RE) is a fundamental task of information extraction,
which has attracted a large amount of research attention. Previous studies
focus on extracting the relations within a sentence or document, while
currently researchers begin to explore →
relation extractioncross-document reentity-based document-context filtercross-path entity relation attentioncodred
发现论文,激发创造
基于知识的跨文档关系抽取
我们提出了一种新颖方法 KXDocRE,在跨文档关系抽取中嵌入了实体的领域知识,相比基准方法具有三个主要优势:1)它将实体的领域知识与文档的文本结合起来;2)它通过生成解释性文本来解释实体之间的预测关系;3)它在性能上优于先前的方法。
May, 2024
具有关系相关增强的文档级关系提取
我们提出了一种关系图方法,用于明确利用关系之间的相互依赖性,在文档级别关系抽取中考虑关系的相互关联,并通过关系图模型化关系之间的相关性,以及通过关系信息传播的关系相关矩阵的重要性。实验结果验证了我们的方法可以提高多关系抽取的性能,在文档级别关系抽取中考虑关系的相互关联的有效性。
Oct, 2023
只需三句话:本地路径增强的文档关系提取
该论文提出了一种简单而有效的文档级关系抽取方法,可结合 BiLSTM 使用少量证据句子识别给定实体对之间的关系,并在基准数据集上取得了优异的性能,甚至优于基于图神经网络的方法。
Jun, 2021
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
通过迭代推理实现更好的文档级关系抽取
本文提出了一种采用迭代推理的文档级关系抽取模型,包括一个基本模块和一个推理模块,推理模块引入了两个扩展交叉注意力单元,可以在关系推理过程中利用实体对的特征信息和之前的预测结果,通过对几乎无法预测的实体对进行处理以及引入对比学习等技术的二阶段训练策略,实现了对三个常用数据集的高效率解决方案。
Nov, 2022
基于奖励的输入构建方法用于跨文档关系抽取
提出了基于奖励的输入构造 (REIC) 方法,用于跨文档关系抽取,通过提取与关系有关的证据句子,使关系模块能够有效地推断关系。实验结果表明,该方法在跨文档关系抽取中的不同结构和骨干上优于启发式方法。
May, 2024