Feb, 2023

针对文本文档的高精度信息提取的人机协作优化

PDF
TL;DR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。
发现论文，激发创造
  • 一种基于人机协同的数据稀缺条件下隐私政策信息抽取方法

    本文介绍了一种针对隐私政策注释的 “人在回路”（Human-in-the-Loop）原型系统，该系统集成了机器学习生成的建议和最终的人为注释决策，提供了一种特定于数据稀缺性的基于机器学习的建议系统，其提供了有意义的预测，优于其他近期用于法律文件的提取模型的性能。

    May, 2023

  • InteractiveIE: 评估人工智能协作强度，提高信息提取性能

    本文探讨在缺乏预定义模板情况下，如何从零或最少的监督中从文档中归纳模板，以及如何使用自动问答生成来实现这个目标，结合少量人工监督提高模型的性能。实验结果表明，这种 InteractiveIE 方法在对昂贵的生物医药和法律文件进行信息提取时能够带来良好的性能提升。

    May, 2023

  • 高级交互式人机学习界面用于收集和学习复杂的注释

    本文旨在通过为二分类任务提供人机学习界面，使人类注释者能够利用反事实例来补充标准的二分类标签，以缓解人类注释者适应传统标签所施加的限制。

    Mar, 2024

  • 机器翻译人类评估的有效性改进探讨

    本研究探讨了一种简单的降低标注成本的方法，即采用分层抽样和控制变量等技术，结合文档成员身份信息和自动评估指标，从而在固定标注预算下获得更高的准确性。在测试集上，相比于纯随机抽样，平均误差降低了高达 20%。该技术易于实现且适用于类似结构的问题。

    Apr, 2022

  • 基于数据效率的形式文档信息提取

    本文介绍了如何使用少量标记数据和被标记语料库进行转移学习，以实现在规模上自动从表单状文件提取信息。

    Jan, 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

    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。

    May, 2022

  • 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

  • 网络安全实体抽取的自动标注

    本文介绍了一种利用结构化数据来自动标注文本的精确方法，并提供一个标注了网络安全实体的语料库。我们使用平均感知器上的最大熵模型对我们的语料库进行训练，训练时间不到 17 秒，并实现了接近完美的精确度、召回率和准确性。

    Aug, 2013

  • 自动化半结构化面试记录中的信息提取

    该研究论文探讨了一种自动化系统的开发和应用，该系统旨在从半结构化访谈文本中提取信息。研究发现，对于分析访谈文本，最佳模型是 BERT 嵌入和 HDBSCAN 聚类的组合。论文介绍了一个用户友好的软件原型，使研究人员能够高效处理和可视化访谈数据的主题结构。这个工具不仅有助于定性分析的初始阶段，还揭示了主题之间的相互关联，从而增强了定性分析的深度。

    Mar, 2024

  • TRIE：端到端文本阅读和信息提取以实现文档理解

    本文提出了一种统一的端到端文本阅读和信息提取网络，通过融合文本阅读的多模态视觉和文本特征来实现信息提取，并且信息提取中的语义有助于优化文本阅读，该方法在真实世界的数据集上表现出比现有方法更高的效率和准确性。

    May, 2020