Apr, 2024

整合知识库，提升化学领域的共指消解和桥接解析

PDF
TL;DR化学专利中解决共指和桥接关系对于更好地理解精确的化学过程非常重要，我们提出了一种将外部知识纳入多任务学习模型的方法，用于化学领域中的共指和桥接关系的解析，结果表明整合外部知识可以改善化学共指和桥接关系的解决。
coreferencebridging relationschemical patentsexternal knowledgemulti-task learning
发现论文，激发创造
  • 知识感知代词指代消解

    本文探索了如何利用不同类型的知识图谱来更好地解决代词共参问题，并提出了一种知识注意力模块，以选择性地使用信息化知识来增强模型，实验结果表明，在不同领域的两个数据集上，我们的模型优于现有技术，并在跨领域的情况下也表现出更好的性能。

    Jul, 2019

  • 基于多任务学习的神经桥接参考解析

    我们提出了一种基于多任务学习的神经模型，用于解决桥接参照的问题，解决了缺乏大型标注数据集和不同语料库之间定义不同的挑战，通过使用多任务学习和语料库无关特征实现了很高的性能。

    Mar, 2020

  • 通过提示工程在大型语言模型中整合化学知识

    本研究探讨了将领域特定知识整合到提示工程中，以增强科学领域的大型语言模型（LLMs）的性能。通过构建基准数据集，该方法在生物和化学领域中的复杂材料上得到验证，结果表明领域知识提示可以引导 LLMs 生成更准确和相关的回答，凸显 LLMs 在科学发现和创新中的潜力。

    Apr, 2024

  • 利用多任务语言建模统一分子和文本表示

    提出了一种多领域、多任务的语言模型，能够处理化学和自然语言，并共享模型参数来优化实验室操作和科学发现加速。

    Jan, 2023

  • 基于知识的方法对意见挖掘中的对象和属性共指进行分类

    本文提出了一种自动挖掘和利用特定领域知识的方法，以协助对消费者对产品的评论进行类别划分和内容关联，通过在无标签的评论数据中提取领域特定的知识，并利用知识感知神经联合分类模型共同完成任务，实证结果表明该方法在涉及五个产品类型的实际数据集中表现出良好的效果。

    Oct, 2020

  • 生物医学领域的共指消解：综述

    本文综述了生物医学领域代词消解的最新发展现状，特别关注领域特定的语境语言模型以及多个架构。

    Sep, 2021

  • 跨领域检索增强科学创造力

    本文探讨了如何设计系统来增强终端用户的跨领域探索能力，并开发了一种探索性搜索系统，其中终端用户可以从论文摘要的核心部分中选择感兴趣的内容，并检索与用户选择的核心方面高度相似但在领域方面不同的论文，进一步地帮助用户了解领域集群中的微妙差异，我们通过与科学家的案例研究发现了系统旨在促进跨领域探索和灵感的机会和设计影响。

    Jun, 2022

  • 将异构领域信息集成到关系抽取中：基于药物相互作用抽取的案例研究

    该论文探讨了如何利用异构领域信息来提高文献中关系抽取的性能，并针对药物间关系进行了实例研究，实现了神经关系抽取模型和知识图谱相结合的方法。

    Dec, 2022

  • 化学专利中针对反应提取的 BERT 照应解析模型的压力测试

    本研究旨在探究在无噪音和有噪音环境下，代词消解模型在化学专利的反应文本中的性能差异，以及我们在多大程度上可以提高该模型对噪音的鲁棒性。

    Jun, 2023

  • 融合上下文和外部知识进行代词共指消解

    本文提出了一个包含两层模型的代词共指消解模型，使用了上下文信息以及外部知识，其中一个使用注意力机制的知识模块被设计来根据不同的上下文内容确保模型能够使用合适的外部来源。实验结果表明，该模型的有效性和优越性优于现有的模型。

    May, 2019