May, 2023

基于块的开放信息性提取

PDF
TL;DR本研究提出了一种名为 SaC（Sentence as Chunk sequence）的新方法用于 Open Information Extraction（OIE）任务中的元组抽取，并使用基于 BERT 的简单模型 Chunk-OIE，在多个 OIE 数据集上实现了最前沿的结果，表明 SaC 对 OIE 任务有益。
发现论文，激发创造
  • 利用语言增强的嵌入技术进行开放信息抽取

    自然语言处理中的开放信息提取（OIE）通过引入预训练语言模型和语言特征，通过 Seq2Seq 预训练语言模型提升 OIE 架构性能，并在性能评估中获得了 24.9%、27.3% 和 14.9% 的改进。此外，还介绍了其他挑战，如利用语义依赖解析标签减少计算开销、创建干净的合成数据集以及探究 OIE 行为在结构化预测模型中的表现。

    Mar, 2024

  • 开放信息抽取中，我们是否应该信任所有关系元组？关于猜测检测的研究

    本文提出研究 OIE 中的猜测问题，并在 LSOIE 数据集上进行详细数据分析，最后提出了一个名为 OIE-Spec 的基础模型，解决了元组级别的猜测检测问题。

    May, 2023

  • LSOIE：一个用于监督式开放式信息抽取的大规模数据集

    本文介绍了一项新的 Open Information Extraction (OIE) 数据集转换 QA-SRL 2.0 数据集生成 LSOIE 数据集，其规模是目前已有人工标注 OIE 数据集的 20 倍，并使用该数据集构建和评估了多个基准 OIE 模型，提供了未来改进该任务的基准。

    Jan, 2021

  • 开放信息提取

    本文概述了两代 Open IE 系统，包括其优点、弱点和应用范围。第二代系统在深度语言学分析下，通过动词短语或从句提取最常见的关系类型，并获得比第一代系统更高的性能。

    Jul, 2016

  • 越南开放信息提取

    本研究提出了一种基于从句分析方法的越南语开放信息提取系统，实验结果表明，该系统的精确度达到了 83.71％。

    Jan, 2018

  • 开放信息抽取的语法多视角学习

    本研究使用多视图学习将从开放域语句中提取的关系元组所需的句法信息从成分结构和依赖关系树映射到词级别的图中并进行拓展，达到更好地融合此类信息的目的。实验证明，这种多视图学习的方法与使用多种信息源构建元组是非常有效的。

    Dec, 2022

  • 科学文本中的开放信息抽取：一个评估

    该论文使用众包方法评估两种最先进的开放信息抽取系统在 10 个不同学科的科学文本上的性能，发现 OIE 系统在科学文本上的表现明显劣于百科全书文本，在提供错误分析并建议减少错误的领域的同时，提出了一个句子和判断的语料库。

    Feb, 2018

  • DocOIE: 一份基于上下文的开放信息抽取文档级数据集

    本文介绍了一种基于上下文的文档级 OpenIE 模型并提供了一个文档级上下文感知的 OpenIE 数据集 (DocOIE) 用于评估，实验证明该模型能够显著提高 OpenIE 性能。

    May, 2021

  • 问题 - 答案对的开放式信息提取

    NeurON 是一个从问题 - 答案数据对中提取元组的系统，它使用多源序列到序列学习任务将问题和答案的分布式表示组合在一起以生成知识事实，并比其他最先进的 OpenIE 方法找到更多新的有趣事实来扩展知识库。

    Mar, 2019

  • 分析开放信息抽取系统的误差

    本文介绍了针对开放信息抽取系统的基准测试，并进行了四种常见 OIE 系统的性能比较和错误类别影响分析，并提出了下一代 OIE 系统的重要研究方向。

    Jul, 2017