Mar, 2024

CHisIEC: 古代中国历史信息抽取语料库

PDF
TL;DR利用中文历史信息抽取语料库 (CHisIEC) 推进古代历史和文化研究，实现对命名实体识别和关系提取任务的开发和评估，涵盖 13 个朝代超过 1830 年的历史时间线的数据，包括四种实体类型和十二种关系类型。
natural language processingdigital humanitieschinese historical information extraction corpusnamed entity recognitionrelation extraction
发现论文，激发创造
  • 中文文学文本的语篇级别命名实体识别和关系抽取数据集

    本文构建了一个基于语篇水平的汉语文学语料库，提出两种标记方法来解决数据不一致性的问题，并介绍了几种常用模型进行实验，研究结果不仅展示了该数据集的可用性，而且为进一步的研究提供了基线。

    Nov, 2017

  • 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

  • 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

  • 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

  • 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

  • 知识增强的联合生物医学实体和关系提取

    本论文提出了一种名为 KECI（知识增强的集体推理）的新框架，结合外部知识进行实体和关系提取，在两个基准数据集 BioRelEx 和 ADE 中实现新的最先进结果，使用全局关系信息将提及跨度链接到实体，使用图卷积网络将全局关系信息集成到局部表示中。

    May, 2021

  • Xiezhi：一种全面领域知识评估的不断更新基准

    我们提出了 Xiezhi，这是最全面的评估套件，包括了 516 个不同学科的 220,000 个多项选择题，旨在为检验大型语言模型的整体域知识提供帮助，并在新的自然语言处理基准中，对 47 个先进的大型语言模型进行了评估，它们在科学、工程、农学、医学和艺术领域超过了人类的平均表现，但在经济学、法学、教育学、文学、历史和管理学方面表现不佳。

    Jun, 2023

  • hmBERT: 历史多语言语言模型用于命名实体识别

    本篇研究讨论了针对历史文本进行命名实体识别的挑战，并提出使用大型历史语言模型 hmBERT 预训练来解决标注数据不充足的问题，并使用 HIPE-2022 共享任务来评估模型性能。

    May, 2022

  • 穿越数个世纪的迁移学习：机器和历史学家集成方法解密王室秘书日记

    该研究介绍了朝鲜历史文献中的命名实体识别和分类，通过将语言模型调整到历史文献上，与使用预训练的多语言模型进行对比实验，发现短语标记明显改善了 NER 模型在预测不同时间段撰写的未见过的实体时的性能。

    Jun, 2023

  • 历史欧洲的人物和地点：自举标注管道和晚期中世纪文本中命名实体的新语料库

    本文开发了一个新的 NER 语料库，并使用信息检索技术，自动引导命名实体识别 - 注释语料库。我们使用我们的语料库训练了一个 NER 模型，具有 72.81-93.98％的实体级精度和 58.14-81.77％的召回率。此外，我们公开发布了我们的语料库，模型和实验代码，以便他人重现和构建我们的工作。

    May, 2023