RED$^{m FM}$：一个过滤和多语言关系提取数据集

ACLJun, 2023

RED$^{m FM}$：一个过滤和多语言关系提取数据集

RED$^{\rm FM}$: a Filtered and Multilingual Relation Extraction Dataset

Pere-Lluís Huguet Cabot, Simone Tedeschi, Axel-Cyrille Ngonga Ngomo, Roberto Navigli

TL;DR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。

Abstract

relation extraction (RE) is a task that identifies relationships between entities in a text, enabling the acquisition of relational facts and bridging the gap between natural language and structured knowledge. However, current RE models often rely on small datasets with low coverage of

relation extraction multilingual dataset entity types mrebel

发现论文，激发创造

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

FinRED：金融领域关系抽取数据集

本文提出了一个新的金融实体关系抽取数据集 FinRED，并在此数据集上对各种最先进的关系抽取模型进行试验，结果显示当前的模型在金融领域的性能较差，需要更好的模型。

Jun, 2023

BioRED：一份丰富的生物医学关系提取数据集

本文提出了一个多实体类型和多关系对的文献级生物医学关系抽取数据集 BioRED，包括新发现和先前已知的信息，旨在评估现有状态下的自动化算法，为更准确、高效和稳健的生物医学关系系统的开发奠定基础。

Apr, 2022

MultiTACRED: TAC 关系抽取数据集的多语言版本

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。

May, 2023

AutoRE：基于大型语言模型的文档级关系抽取

通过引入 AutoRE 模型和 RHF (Relation-Head-Facts) 的新型 RE 提取范式，结合 QLoRA (Parameters Efficient Fine Tuning) 算法构建了一个易于扩展的 DocRE 框架，在 RE-DocRED 数据集上展现了最佳性能，超过 dev 和 test 集合上分别为 TAG 10.03% 和 9.03% 的最新结果。

Mar, 2024

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

REFinD：金融关系抽取数据集

本文提出 REFinD 数据集，该数据集为金融文档中的大规模关系注释数据集，可用于信息检索、语义搜索、问题回答和文本蕴含等任务，同时对各种最先进的深度学习模型进行实证评估并强调数据集带来的挑战。

May, 2023

DocRED：大规模文档级关系抽取数据集

本文介绍 DocRED 数据集，该数据集为文档级别中关系抽取 (Relation Extraction) 提供了一个新的方法，并提供了大规模的远程监督数据，以满足超级 / 弱监督训练需求。同时我们实验了目前最先进的方法，结果表明文档级别中关系抽取仍需要进一步的研究。

Jun, 2019

HistRED：历史文档级关系抽取数据集

研究通过 HistRED 数据集中的 Hanja 和韩国文本，提出了一种双语关系抽取模型，证明多语言背景可以补充关系抽取预测。

Jul, 2023

基于对话的关系抽取

本文介绍了第一个人工注释的基于对话的关系抽取（RE）数据集 DialogRE，用于支持在对话中预测两个参数之间的关系，尤其是涉及多个句子的跨句子 RE 任务，并基于分析指出演讲者相关信息在该任务中发挥了关键作用。在提出一个新的评估指标以评估在会话环境中进行 RE 方法的性能之后，本文研究了几种常用的 RE 方法在 DialogRE 数据集上的表现，并通过实验证明，最佳表现模型的扩展可以在标准和会话环境的评估设置中都取得收益。

Apr, 2020