Oct, 2023

第 17 届 NTCIR-UFO 任务中的 FA 团队

PDF
TL;DR本研究报告了我们在 NTCIR-17《金融报告中非金融对象的理解》（UFO）的 Table Data Extraction（TDE）和 Text-to-Table Relationship Extraction（TTRE）任务中解决问题的方法，并讨论了官方结果。我们成功地利用基于 ELECTRA 语言模型的各种增强技术来从表格中提取有价值的数据，使我们在 TDE 任务中取得了 93.43% 的令人瞩目的准确率，在排行榜上排名第二。这一卓越成就证明了我们提出的方法的有效性。在 TTRE 任务中，我们提出了基于规则的方法来提取文本和表格之间的有意义的关系，并验证了其性能。
发现论文，激发创造
  • 基于图的财务报表提取

    本文提出了 FinTab 数据集，包含 1600 个财务表以及它们在 JSON 表示中的结构，以方便从非结构化数字文件中提取表格。同时，作者还提出了一种基于 GFTE 的图卷积神经网络模型，它将图像特征、位置特征和文本特征集成在一起，用于精确的边缘预测，并取得了总体上不错的结果。

    Mar, 2020

  • ICT 供应链的大型表格数据处理：多任务、机器可解释性方法

    提出了一种基于图的表格结构识别（TSR）任务和表格单元格类型分类（CTC）任务的多任务模型，通过使用文本模态和图像模态特征来同时解决这两个任务，旨在将电子文档中的表格数据转化为可机读格式，并为信息提取和解释提供布局和语义信息。实验结果表明，该方法在 ICDAR2013 和 UNLV 数据集上的性能优于现有的方法。

    Aug, 2022

  • 超越分类：一种用于事件时间关系提取的统一框架

    本文提出了一个统一的事件时间关系提取框架，并将时间关系转化成时间点的逻辑表达式，通过预测某些时间点的关系完成事件时间关系提取。该方法不仅在 TB-Dense 和 MATRES 上取得了显著提升，也可以在低数据情况下实现稳定的改进。

    May, 2023

  • AIFB-WebScience 参加 SemEval-2022 Task 12: 首先进行关系抽取 -- 利用关系抽取技术识别实体

    本文提出了一种基于变压器语言模型的端到端联合实体和关系抽取方法，应用于将数学符号与 LaTeX 文档中的描述相关联的任务，并且代码公开可用。

    Mar, 2022

  • 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

  • 全局表格抽取器（GTE）：使用视觉上下文进行联合表格识别和单元格结构识别的框架

    本文介绍了全局表格提取器（GTE），它是一种由视觉引导的系统框架，旨在通过基于自然单元格包含约束的新型罚函数来训练表格网络，以检测表格和单元格结构，结合表格风格，设计一种新的分层单元格检测网络，并定期标记表格和单元格结构以便成为训练数据。实验证明，GTE 在表格检测和单元格结构识别方面超过之前的最先进结果，并且在新的跨域 FinTabNet 数据集上的实验表明，在单元格结构识别方面比 vanilla RetinaNet 的物体检测模型提高了 45% 以上。

    May, 2020

  • 利用 TAPAS 和迁移学习进行带表格语句验证和证据发现的 SemEval-2021 第 9 任务 Volta

    本文基于 TAPAS 模型扩展 BERT 框架以理解表格语义结构，在 SemEval-2021 任务 9 中解决表格事实的声明验证和证据查找问题，并通过在表头行上进行规范化来优化 TAPAS 在子任务 A 中的表现，在子任务 B 中引入不同的 fine-tuning 策略来提高模型准确率，模型在三种分类任务下分别取得了 67.34、72.89 和 62.95 的 F1 分数。

    Jun, 2021

  • SemEval-2021 任务 9：科学文档中表格数据的事实验证和证据搜索（SEM-TAB-FACTS）

    本研究旨在解决在科技论文中理解表格结构与表格内容，主要通过提供一个包含这些信息的数据集和 SemEval 任务挑战赛中两个子任务的方式来实现，共有 69 个团队参与，19 个成功提交了子任务 A 的结果，12 个成功提交了子任务 B 的结果。

    May, 2021

  • 使用 TabT5 进行表格到文本生成和预训练

    TABT5 是编码器 - 解码器模型，可以生成基于表格和文本输入的自然语言文本，结合表格特定的嵌入和预训练，成功地克服了编码器的限制，并在多个领域取得了最新的最佳结果。

    Oct, 2022

  • RTF：基于区域的关系三元组抽取表填充方法

    自动构建知识图谱的关键工作是关系三元组抽取。现有方法只从令牌或令牌对级别构建浅层表示，而忽略了关系三元组的局部空间依赖性，导致实体对边界检测的弱点。为了解决这个问题，我们提出了一种新的面向区域的表填充方法（RTF）。我们设计了一种新的基于区域的标签方案和双向解码策略，将每个关系三元组视为关系特定表上的一个区域，并通过确定每个区域的两个端点来识别三元组。我们还引入卷积以从空间角度构建区域级表表示，从而更容易捕捉三元组。此外，我们在不同关系之间共享部分标记分数，以提高关系分类器的学习效率。实验结果表明，我们的方法在三种常用基准数据集的三个变种上取得了最先进的效果，并具有更好的泛化能力。

    Apr, 2024