Nov, 2023

PolyIE: 从高分子材料科学文献中的信息提取数据集

PDF
TL;DR科学信息提取（SciIE）的重要性日益增长，然而，对于聚合物材料这一广泛应用于我们日常生活中的重要类材料，目前尚未存在任何 SciIE 数据集。为了填补这一空白，我们介绍了 POLYIE，一个面向聚合物材料的新的 SciIE 数据集。POLYIE 由 146 篇全文聚合物学术文章组成，由领域专家对命名实体（即材料、性质、数值、条件）以及它们的 N 元关系进行了标注。POLYIE 存在多样的实体词汇格式、实体之间的歧义和长度可变的关系等独特挑战。我们评估了最先进的命名实体提取和关系提取模型在 POLYIE 上的表现，分析了它们的优势和劣势，并针对这些模型提出了一些困难样例。据我们所知，POLYIE 是面向聚合物材料的首个 SciIE 基准，我们希望它能促使社区对这项具有挑战性的任务进行更多的研究努力。我们的代码和数据可以在此 https URL 上获取。
发现论文，激发创造
  • 解锁科学：跨模态科学信息提取的新型数据集和基准

    从科学论文中提取关键信息有助于研究人员提高工作效率并加快科学进展的速度。在过去几年里，科学信息提取（SciIE）的研究见证了数个新系统和基准的发布。然而，现有以论文为中心的数据集主要只关注论文的特定部分（例如摘要），且为单模态（即只有文本或表格），这是因为处理复杂性和高昂的注释费用所导致。此外，核心信息可能存在于文本或表格中，或者跨越二者。为弥补这一数据可用性的差距并实现跨模态信息提取，同时减轻标注成本，我们提出了一个半监督的流程，用于迭代地对文本中的实体、以及表格中的实体和关系进行注释。基于此流程，我们为科学界提供了一些新资源，包括一个高质量的基准、一个大型语料库和一个半监督的注释流程。我们进一步报告了最先进的信息提取模型在提出的基准数据集上的性能作为一个基准。最后，我们探索了像 ChatGPT 这样的大型语言模型在当前任务中的潜在能力。我们的新数据集、结果和分析验证了半监督流程的有效性和效率，同时我们也讨论了其剩余的局限性。

    Nov, 2023

  • WebIE: 在网络上进行忠实和稳健的信息提取

    本文提出了 WebIE 数据集，其中包括 1.6M 个句子及其详细注释。基于此数据集，我们评估了基于生成模型的信息提取模型的跨域和跨语言性能，并提出了三种训练策略。我们的实验表明，实体链接方式得到明显提高。

    May, 2023

  • AutoIE: 从科学文献中自动提取信息的自动化框架

    该研究介绍了一种自动提取科学论文中关键数据的创新框架，通过对科学 PDF 文档的布局分析、科学文本的功能块识别、分子筛合成信息的提取和关联以及分子筛文献的在线学习等四个组件的独特集成，实现了对未来研究方向的更易辨析，提高了分子筛合成领域数据管理和解释的能力。

    Jan, 2024

  • DWIE: 一个面向实体为中心的多任务文本级信息抽取数据集

    本文介绍了 DWIE，即 “德国之声信息提取语料库”，它是一个多任务数据集，结合了四个主要的信息提取子任务：命名实体识别，共指解析，关系抽取和实体链接。该数据集是以实体为中心的，描述了概念实体的交互和属性，并提出了一种新的基于实体的度量标准以及基于图神经网络的模型用于跨文档共享信息跨任务训练。实验表明，这个模型在 DWIE 数据集上取得了 5.5 个 F1 的提升，因此具有促进多任务信息提取中的图神经网络表示学习方面的研究潜力。

    Sep, 2020

  • 重构材料四面体：材料信息提取中的挑战

    材料科学文献信息提取中的机器学习挑战及建立材料知识库的启示。

    Oct, 2023

  • SciREX: 用于文档级信息抽取的挑战数据集

    本文介绍 SciREX，它是一个涵盖多个 IE 任务的文档级 IE 数据集，包括通过科学文章识别突出实体和文档级的 $n$ 元关系识别。我们开发了一个神经模型作为一个强有力的基线，扩展了先前的 IE 模型到文档级 IE。分析模型性能显示，人类表现和当前基线之间存在显著差距，邀请社区使用我们的数据集作为发展文档级 IE 模型的挑战。

    May, 2020

  • InstructIE：一个基于中文指令的信息提取数据集

    该论文介绍了一种新的信息提取任务，名为 Instruction-based IE，旨在要求系统根据特定的指示或指南提取信息。作者从中文维基百科和高质量众包注释实例构造了一个名为 InstructIE 的数据集，并评估了各种基线模型在该数据集上的性能。结果表明，当前的模型表现出有希望的性能，但仍有改进的空间。此外，作者进行了综合案例分析，强调了 Instruction-based IE 任务中固有的挑战。

    May, 2023

  • 从 LLM 中提炼元模型用于各类信息提取任务

    我们提出了一个称为 MetaIE 的新框架，通过学习提取 “重要信息” 来构建一个小型元模型，使得这个元模型可以有效和高效地适应各种信息提取任务，在少样本适应设置下获得更好的性能。

    Mar, 2024

  • OPIEC：一个开放的信息提取语料库

    本文释放、描述和分析了一个名为 OPIEC 的 OIE 语料库，其中包含超过 340M 个三元组，是目前公开可用的最大的 OIE 语料库。我们发现，在 OPIEC 中存在的大多数实体之间的事实在 DBpedia 和 / 或 YAGO 中找不到。此外，OIE open relations 通常高度多义性。我们相信 OPIEC 语料库是未来自动知识库构建研究的有价值的资源。

    Apr, 2019

  • IEPile: 挖掘大规模基于模式的信息抽取语料库

    通过构建综合的双语（英语和汉语）信息抽取指示语料库 IEPile，可以提高大语言模型在信息抽取中的性能，尤其是零样本泛化能力。

    Feb, 2024