Mar, 2024

CO-Fun: 一个用于命名实体识别和关系抽取的德国公司外包基金招股说明书数据集

PDF
TL;DR通过对具有金融实体和服务提供者关系的网络映射过程的研究，我们介绍了一个针对德国基金募集说明书中公司外包实践的数据集，该数据集专门用于命名实体识别和关系提取任务。我们对 948 个句子进行了标记，并由三名专家进行了标注，共获得了 5,969 个四种实体类型（外包、公司、地点和软件）和 4,102 个关系注释（外包 - 公司、公司 - 地点）。我们训练了最先进的深度学习模型来识别实体和提取关系，初步取得了有希望的结果。该数据集的匿名版本、指南以及用于模型训练的代码均可在此链接中公开获取。
cyber mappingfinancial entitiesoutsourcing practicesnamed entity recognitionrelation extraction
发现论文，激发创造
  • 用于命名实体识别的德语法律文件数据集

    该论文介绍了一份为德国联邦法院判决中开发的命名实体识别数据集，包含约 67,000 个句子和超过 2,000,000 个标记，共标注了 54,000 个实体，涵盖了 19 个细粒度的语义类别，同时还有超过 35,000 个基于 TimeML 的时间表达式的辅助标注。该数据集可用于训练用于德国法律文件的 NER 服务，已在 EU 项目 Lynx 中发布，并遵循 CC-BY 4.0 许可协议。

    Mar, 2020

  • 针对网络安全概念的关系抽取框架

    本论文介绍了一种利用半监督自然语言处理和引导式算法从文本中提取安全实体与其关系的方法，并在小型语料库上进行测试，结果表明可以较高准确地实现此目的。

    Apr, 2015

  • CEntRE: 用于企业之间关系抽取的中文段落级数据集

    该研究旨在从非结构化或半结构化文本数据中检测企业实体对并识别它们之间的业务关系，并介绍了一个名为 CEntRE 的新数据集，它由公开的商业新闻数据构建而成，并通过人工标注和智能数据处理进行了精心处理。基于 CEntRE 数据集的六种模型的广泛实验表明了我们提出的数据集的挑战。

    Oct, 2022

  • FiNER: 金融命名实体识别数据集和弱监督模型

    本文介绍一种用于金融领域的命名实体识别 NER 任务的高质量数据集与一个基于弱监督的框架，用于跨度级分类并提供一套公共的基准数据集，以推动金融领域研究的发展。

    Feb, 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

  • 文本前置：利用实体介词进行金融关系抽取

    在 ACM KDF-SIGIR 2023 竞赛中，我们对名为 REFind 的金融实体关系数据集进行了实体关系任务。我们采用了一个多步骤的方法，首先将提供的实体插入到相应的文本位置，然后利用带标签的训练集对基于 transformer 的语言模型 roberta-large 进行微调，以预测实体关系。最后，我们实施了后处理阶段，来识别和处理模型生成的不太可能的预测。由于我们的方法，我们在竞赛的公共排行榜上获得了第一名的排名。

    Aug, 2023

  • 网络安全实体抽取的自动标注

    本文介绍了一种利用结构化数据来自动标注文本的精确方法，并提供一个标注了网络安全实体的语料库。我们使用平均感知器上的最大熵模型对我们的语料库进行训练，训练时间不到 17 秒，并实现了接近完美的精确度、召回率和准确性。

    Aug, 2013

  • 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

  • 信息提取：在发展中国家超本地金融数据领域的应用

    本研究使用自然语言处理技术，旨在解决获取发展中国家公司财务数据的问题。通过构建专门针对发展中国家金融文本数据的数据集，我们采用基于 Transformer 的 T5 模型进行文本到文本的处理，同时进行命名实体识别和关系提取，达到 92.44% 的准确率、68.25% 的精确度和 54.20% 的召回率。同时，我们还使用 SpaCy 进行序列处理，包括预训练和微调模型的命名实体识别以及使用 SpaCy 的依赖解析器输出和一些启发式方法来确定实体关系，最终实现了 84.72% 的准确率、6.06% 的精确度和 5.57% 的召回率。

    Mar, 2024

  • CORE: 用于鲁棒领域适应的少样本企业关系分类数据集

    通过介绍 CORE 数据集，探讨了少样本关系分类和领域适应的性能差异，发现基于 CORE 数据集训练的模型在跨领域表现得较好，强调了数据丰富性对领域适应的重要性。

    Oct, 2023