该论文提出了一种 Contextualized Table Extraction (CTE) 的任务，目的是根据文档的文本信息来提取和定义表格结构，提供了一个包含超过 35,000 个表格的科学论文的数据集，并且可以用于开发各种任务的端到端流程，包括文档布局分析、表格检测、结构识别和功能分析，并且定义了评估指标，描述了此数据集的优点、限制和未来工作。

Feb, 2023

本文提出了一种基于远程监督的半结构化网站自动提取方法，通过自动的结构对齐和标签生成获取足够完整的训练标记，再通过分类器预测新关系实例，实现了对知识库自动抽取的作用，取得了很好的实验效果。

Apr, 2018

通过提出跨文档事件抽取（CDEE）任务，综合多个文档中的事件信息，本论文解决了传统文档级事件抽取的局限性，并构建了一个新的信息抽取研究线路。

Jun, 2024

本研究以文獻綜述的目錄生成為挑戰，構建了涵蓋 13.8k 個目錄和 120k 個參考文獻的英文文獻綜述目錄數據集，並通過端到端和管線方法進行了多方面的評估與分析，提出了基於語義和結構相似度的模型性能評估方式。結果顯示，本研究提出的生成方法與評估指標具有較高的效果和品質，並且為以後的相關研究提供了方向。

Apr, 2023

本研究提出了一种基于 transformer 网络和结构化文本分割的方法来预测跨越多个段落的连续文本段落的主题连贯性，以更有效地满足用户特定的信息需求，研究结果表明，此方法显著优于基线，并适应法律文件的结构特点。

Dec, 2020

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

文章讨论了在自然语言处理中，基于 Transformer 的架构会有输入大小的限制问题，但该论文通过将长文档分块并保持全局上下文，以查询定义话题，从而克服了这个问题，开发的系统使用预训练的 BERT 模型并调整它来估计给定文本跨度形成关键短语的概率，实验结果表明，在长文档上，使用查询的较短上下文大小胜过没有查询的较长上下文。

May, 2022

信息抽取任务涉及将非结构化文本内容自动转换为结构化数据。本文提出了一种从文本中提取和分类无限制关系集的方法，它基于远程监督方法获取的形态 - 句法抽取模式，并创建句法和语义索引来提取和分类候选图。我们在构建在 Wikidata 和 Wikipedia 上的六个数据集上评估了我们的方法。评估结果显示，我们的方法可以实现高达 0.85 的精确度得分，但召回率和 F1 得分较低。我们的方法可以快速构建基于规则的信息抽取系统，并构建注释数据集以训练基于机器学习和深度学习的分类器。

Jan, 2024

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

我们提出了一种名为‘抽取式搜索’的搜索范式，其使用捕捉插槽等方法实现从大语料库中快速提取结构化信息，并通过神经检索和对齐提高召回率以改进结果。本文旨在简要介绍抽取式搜索并展示原型系统的潜力和好处。

Jun, 2021