MultiTACRED: TAC 关系抽取数据集的多语言版本

ACLMay, 2023

MultiTACRED: TAC 关系抽取数据集的多语言版本

MultiTACRED: A Multilingual Version of the TAC Relation Extraction Dataset

Leonhard Hennig, Philippe Thomas, Sebastian Möller

TL;DR介绍了 MultiTACRED 数据集及其在跨语言关系抽取上的应用，证明了机器翻译在此任务上的可行性以及单 / 多语言模型的性能优势，同时指出了翻译和标注错误对数据集质量和模型性能的影响。

Abstract

relation extraction (RE) is a fundamental task in information extraction, whose extension to multilingual settings has been hindered by the lack of supervised resources comparable in size to large English datasets such as TACRED (Zhang et al., 2017). To address this gap, we introduce t

relation extraction multitacred dataset machine translation monolingual/multilingual language models annotation projection

发现论文，激发创造

TACRED 重访：对 TACRED 关系抽取任务的全面评估

本文研究了 TACRED 数据集在关系抽取中高错误率的问题，通过训练标注者重新标注，了解了错误来源，发现部分标注错误和数据集中存在的歧义关系导致错误率高，对此提出对应解决方案，并验证了三种最先进的 RE 模型的错误假设。

Apr, 2020

Re-TACRED: 解决 TACRED 数据集的不足

本文针对 TACRED 数据集进行了全面研究和改进，提出了改进的众包策略，通过重新注释整个数据集，发现 TACRED 标签中有 23.9% 是错误的，用改进后的数据集评估模型，平均 f1 得分提高了 14.3％，并揭示了不同模型之间的显著关系。最终，我们发布了 Re-TACRED，这是一个全新完全重新注释的 TACRED 数据集版本，可以用于可靠地评估关系提取模型。

Apr, 2021

多语言多领域关系抽取数据集 Multi-CrossRE

本研究提出了多语言关系抽取（RE）数据集 Multi-CrossRE，涵盖了英语以外的 26 种语言和六种文本领域，并运用基线模型验证其高质量的机器翻译结果。

May, 2023

MixRED：一种混合语境关系抽取数据集

研究论文介绍了在混合语言场景中进行关系抽取的新任务 MixRE，并构建了混合语言数据集 MixRED，评估了现有的有监督模型和大型语言模型对于这一新任务的表现，并揭示了影响模型性能的因素以及提高模型性能的有望方向。

Mar, 2024

从统一到语言特定训练的多语言实体和关系提取

本文提出了一种基于多语言训练的实体和关系抽取框架 (mERE)，使用两阶段多语言训练方法和多语言实体、关系抽取联合模型，通过语言通用聚合器 (LA) 和语言特定切换器 (LS) 分别缓解语言干扰并提高关系三元组的抽取效果，实验结果表明该方法优于单语言和多语言基线模型。

Jan, 2023

基于双语词嵌入映射的神经跨语言关系抽取

本文提出了基于双语词向量映射的方法，将一个好的源语言神经网络关系抽取模型直接应用于目标语言，从而实现了跨语言关系抽取模型的转移。实验证明该方法在多种目标语言中表现出较好的性能。

Oct, 2019

句子级关系抽取的改进基准线

该文介绍了基于句子的关系抽取问题，着重探讨了影响现有关系抽取模型性能的实体表示和噪声标签问题，并利用预训练语言模型提出了改进的基线模型，在 TACRED 数据集上取得了 F1 分数 74.6%，在 Re-TACRED 数据集上取得了 F1 分数 91.1%，证明预训练语言模型在该任务上具有高性能。

Feb, 2021

使用预训练语言表示优化关系提取

使用 TACRED 及 SemEval 2010 Task 8 数据集，TRE 通过使用预先训练的深度语言表示模型以及自注意力深度学习模型，从文本语料库中自动学习隐式语言特征并显著提高样本效率，从而实现了关系提取任务的新的最优结果。

Jun, 2019

通过跨语言迁移辅助构建日文文档级关系抽取数据集

将英文资源应用于日语的文档级关系抽取任务，构建了一个通过将英文数据集转化为日语的数据集，并将模型预测结果用于人工标注，减少了大约 50％的人工编辑步骤。该研究评估了现有的 DocRE 模型在所构建数据集上的性能，并揭示了日语和跨语言 DocRE 的挑战。

Apr, 2024

RED$^{m FM}$：一个过滤和多语言关系提取数据集

本文提供了两个新的多语言关系抽取数据集，其中 SRED$^{m FM}$ 有覆盖 18 种语言、400 种关系类型和 13 种实体类型的 4 千万三元组实例，而 RED$^{m FM}$ 则是一个人工修订的数据集，可以用于多语言关系抽取系统的评估。我们还使用第一款端到端的多语言 RE 模型 mREBEL，可以在多种语言中提取实体类型等三元组，请在此 https URL 获取我们的资源和模型检查点。

Jun, 2023