Jul, 2023

实体标识符：一种基于自然文本解析的实体关系抽取框架

PDF
TL;DR本文提出了一种使用自然语言处理技术来从需求描述中提取结构化信息，使得可以自动完成 CRUD 类代码的生成的方法，并介绍了相应的实体识别、关系提取和实体树模型技术，以及评估这种方法效果的数据集。
neural code generationobject-oriented programmingnatural language processingcrud class codedataset
发现论文，激发创造
  • 基于自然语言文本的过程模型生成之外：超越基于规则的命名实体识别与关系抽取

    通过提出一种新的基线技术和构建基于机器学习的过程提取技术，将实体解析组件与实体和关系提取组件进行深度融合，以适应不同数据集和领域，从而避免了适应其他数据集、不同实体和关系类型或新领域所需的特征工程和规则定义所产生的巨大开销。

    May, 2023

  • 高效的依赖引导命名实体识别

    该论文探讨了如何更好地利用依存树传达的结构化信息来提高实体识别的性能，新提出的基于依存树指导的实体识别模型在相对较短的运行时间内表现出与传统半 - Markov 条件随机场模型同等的竞争力。

    Oct, 2018

  • 从对话到图表：基于自然语言的任务和关系提取用于加速业务流程原型设计

    将冗长的自然语言描述自动转化为结构化流程模型仍然是一个复杂的挑战 - 本文引入了一个现代解决方案，其中我们的方法的核心是使用依赖解析和命名实体识别（NER）从文本描述中提取关键元素。此外，我们利用主 - 动 - 宾（SVO）结构来识别动作关系，并集成了包括 WordNet 在内的语义分析工具以增加上下文理解。我们系统的一个新颖方面是将神经共指解决方案与 SpaCy 框架结合，提高了实体链接和代词引用的准确性。此外，该系统能够灵活处理数据转换和可视化，将提取的信息转化为 BPMN（业务流程模型和符号）图表。这种方法不仅简化了捕获和表示业务工作流程的过程，还显著减少了传统建模方法中的手动努力和潜在错误的可能性。

    Dec, 2023

  • 实体中心信息抽取的神经网络方法

    研究自然语言处理的 NLP 和人工智能领域对实体理解的影响，提出了基于实体概念的方法，并介绍了如何在实体链接任务中使用这种方法。通过核指代文簇难题进行了实验研究，分析了知识库实体集成到文本中的方法并从时间视角分析了实体的演变。

    Apr, 2023

  • 实体建模的数据生成

    该论文介绍了一种以实体为中心的神经体系结构，用于生成数据到文本的任务，并通过在 RotoWire 基准和棒球领域的新数据集上进行的实验，表明该模型在自动和人类评估上优于竞争基线。

    Jun, 2019

  • 维基百科实体排名

    本研究利用分类、链接结构以及实体示例等方法，基于 Wikipedia 文献集合，提出了一种较为有效的实体排名系统，并发现该系统可以显著提高检索效果。

    Nov, 2007

  • 使用预训练语言模型的端到端命名实体识别和关系抽取

    本文提出了一种基于神经元的端到端模型来联合提取实体和它们的关系，该模型不依赖于外部自然语言处理工具，而是集成了大量的预训练语言模型， 在三个领域的五个数据集上，我们的模型可以与最先进的性能相提并论，有时甚至具有更高的性能。

    Dec, 2019

  • 近期命名实体识别研究进展综述

    命名实体识别（NER）旨在从文本中提取命名真实世界对象并确定它们的类型，本文首先概述了最近流行的方法，然后探讨了其他调查中较少涉及的基于图和变换器的方法，包括大型语言模型（LLMs）。其次，重点介绍了适用于稀缺注释数据集的方法。第三，我们评估了主要 NER 实现在不同类型的数据集上的性能，并对从未共同考虑过的算法进行了深入比较。我们的实验揭示了数据集特征如何影响我们比较的方法的行为。

    Jan, 2024

  • 从自然语言生成实体关系模型的数据转换

    为了减少设计实体 - 关系模型的手动成本，提出了基于规则和基于深度学习的自然语言到实体 - 关系模型的自动生成方法，并通过文本到 SQL 的数据转换算法产生了大规模的数据集，用于训练信息抽取模型，并在实验中证明其优于现有基准模型。

    Dec, 2023

  • 细粒度的冠状病毒新闻命名实体

    本研究提出了一个数据标注流程，从包括普通和领域特定实体的冠状病毒新闻文章中生成训练数据，并在领域专家手动标注的测试句子上评估训练模型的性能。

    Apr, 2024