May, 2023

CQE: 全面数量提取器

PDF
TL;DR本文提出了一种基于依赖解析和单位字典的数量提取框架，它能够高效地检测数值和单位的组合、数量变化的行为以及数量所关联的概念，并对检测到的数量进行适当的标准化和规范化。使用新颖的数据集进行评估，我们展示了基于开源框架的方法优于其他系统，并且是目前为止首个检测到与已识别的数量相关概念的方法。
quantity extractiontext datadependency parsingnormalizationunit dictionary
发现论文，激发创造
  • 从文本中挖掘计量信息

    文章介绍了一种基于规则的实体提取器来提取文本中的数字数量，并支持包括常见和不常见的度量单位，最终提出了支持测量信息的搜索引擎。

    May, 2015

  • UPB 参加 SemEval-2021 任务 8：作为多回合问答的测量语义信息提取

    该研究旨在通过语义信息提取对科学文献中的计量和计数进行分析，并提供数据集以培训模型提取科学文本中的测量信息，并通过五个子任务来构建，并采用多回合问答的方法解决前三个子任务，最终在测试集上获得了 36.91％的重叠 F1 分数。

    Apr, 2021

  • 一种灵活框架的零样本文档级问答检测、检索和理解

    本文提出了一种三阶段文件 QA 方法，包括从 PDF 中提取文本，从提取的文本中检索证据以形成良好的上下文，以及从上下文中提取 3 种类型的知识（抽取式、生成式或布尔式）。通过对 QASPER 的评估，DRC 系统在交付更优的上下文选择的同时，Answer-F1 达到了 +7.19 的提高。结果表明，DRC 在科学文献 QA 中有很大的亮点。

    Oct, 2022

  • EQUATE：自然语言推理定量推理基准评估框架

    EQUATE 是一种新的文本蕴含情景下的定量推理框架。我们使用 9 个现有的 NLI 模型对其进行基准测试，发现它们并未明确学习推理数量。我们提出一个基于符号计算的定量推理新基线 Q-REAS，相对于最佳执行的 NLI 模型，其在数值推理测试上实现了成功，但在口头推理方面效果有限。

    Jan, 2019

  • SumQE：基于 BERT 的摘要质量评估模型

    提出了一种基于 BERT 的新型 Quality Estimation 模型 SumQE，其解决了仅通过基于内容的方法无法间接捕捉到的语言质量方面的问题。SumQE 达到了与人类评分非常高的相关性，胜过那些仅仅解决这些语言方面的较简单的模型。SumQE 模型的预测可用于系统开发，并通知用户自动生成的摘要和其他生成文本的质量。

    Sep, 2019

  • 全球价格问题的解决：将事实抽取形式化为问答任务

    本研究介绍了一种基于问题回答 (QA) 方法的价格计算法，利用深度字符级卷积神经网络进行单位类型预测和相关数量提取，以提高其价格计算的准确性和效率

    Apr, 2022

  • 信息检索的查询扩展技术：一项调查

    本文探讨了从 1960 年至 2017 年信息检索中的查询扩展技术，包括核心技术、数据源、加权和排名方法、用户参与以及应用，揭示了其相似性和差异性。

    Aug, 2017

  • 科学审核器：用于科学事实核查的抽取式布尔问答

    本文提出了一种基于多任务学习的科学问题验证方法，该方法结合了信息概括、布尔问答、提取式问题回答和语义理解技术。该方法在欧洲 PMC 的 300 万篇医学和健康领域 OA 文章上，在 BERT 和 RoBERTa 问答模型的实验中，实现了 4％的平均误差率和 95.6％的 F1 分数。

    Apr, 2022

  • 一种用于超关系抽取和填充立方体的数据集

    本文提出了超关系实体抽取（hyper-relational extraction）的任务，并设计了适用于该任务的 CubeRE 模型，该模型能够处理关系三元组及其限定词之间的交互，并在 HyperRED 数据集上取得了优于基线模型的效果。

    Nov, 2022

  • 知识蒸馏用于质量评估

    为了调整预先训练的质量评估模型的体积，将强质量评估教师模型的知识直接转移到体积更小的模型中，并结合数据增强，得到了具有 8 倍更少参数的轻量级质量评估模型。

    Jul, 2021