May, 2024

科学出版物中的流程提取的数据增强技术

PDF
TL;DR我们提出了一种数据增强技术，用于科学出版物中的过程提取任务。我们将过程提取任务视为序列标注任务，通过识别句子中的所有实体并根据其特定于过程的角色标记它们来完成任务。所提出的方法通过利用（1）原始句子中的特定于过程的信息，（2）角色标签相似度和（3）句子相似度来创建有意义的增强句子。我们证明了所提出的方法在化学领域数据集上训练的过程提取模型的性能显著提高，性能准确度提高了 12.3 个百分点（F 分数）。这些方法还可以在训练小数据集或在化学和其他科学领域等低资源环境中减少过拟合的可能性。
data augmentationprocess extractionsequence labelingperformance improvementlow-resource setting
发现论文，激发创造
  • 利用数据增强技术进行过程信息提取

    研究了数据增强在自然语言文本中的应用，发现它对于从自然语言文本中生成业务流程模型的机器学习方法至关重要，并且可以提高提取准确性。

    Apr, 2024

  • 命名实体识别简单数据增强分析

    本研究针对基于标记序列的命名实体识别任务，设计并比较了数据增强技术的效果。通过在生物医学和材料科学领域的两个数据集（i2b2-2010 和 MaSciP）上进行实验，我们表明简单的增强技术可以提高循环模型和基于 Transformer 模型的性能，尤其是对于小训练集的情况。

    Oct, 2020

  • 利用模板句子的数据增强方法用于变量定义提取

    该研究提出了一种通过模板句子和训练数据中的变量定义对生成新的定义句子的新方法，用于从科技论文中提取变量定义，并通过在化学过程领域的论文上的测试表明，采用该方法生成的定义句子训练的模型达到了 89.6% 的更高准确率，超过了现有模型。

    May, 2024

  • 神经命名实体识别数据适应技术调查

    本研究探讨利用大型单语无标注语料库和数据合成两种方法对三个不同命名实体识别任务性能的影响

    Oct, 2021

  • 半监督神经标记的科学信息提取

    本文通过将问题建模为序列标注，并利用半监督学习方法和数据选择方案，提出了一个基于神经标注模型的关键短语提取和分类算法，该算法在 2017 年 SemEval 科学信息抽取任务中明显优于现有信息抽取方法。

    Aug, 2017

  • 利用数据增强和信息过滤改进关键词提取

    本研究提出了一种新颖的语料库和方法，用于从 Behance 平台上流播放的视频的转录中提取关键词短语，文章提出了一种用于从其他领域获得关键词提取任务的背景知识的新型数据增强方法，并在所提出的数据集上展开了广泛的实验。

    Sep, 2022

  • 基于自然语言文本的过程模型生成之外：超越基于规则的命名实体识别与关系抽取

    通过提出一种新的基线技术和构建基于机器学习的过程提取技术，将实体解析组件与实体和关系提取组件进行深度融合，以适应不同数据集和领域，从而避免了适应其他数据集、不同实体和关系类型或新领域所需的特征工程和规则定义所产生的巨大开销。

    May, 2023

  • 软件工程句对冲突和重复检测的数据增强

    本研究探讨使用文本数据增强技术如洗牌、反向翻译和改写等，以句对分类的方式增强软件工程任务中的冲突与重复检测效果。结论发现，数据增强技术对六个软件文本数据集的所有文本句对效果有显著影响，但在数据集相对平衡时，使用增强技术可能会对分类效果产生负面影响。

    May, 2023

  • 探索社交媒体语料库上的数据增强方法

    本研究探索了数据增强技术对文字分类的影响，使用多种数据增强技术，包括过采样、易用数据增强、反向翻译、灰度缩放以及一种少样本学习的方法 PTE。结果表明，数据增强技术对模型性能只有轻微且不一致的改进，少数同义词替换可以提高模型性能，灰度缩放需要进一步研究，PTE 的表现优于监督学习，尤其是在类别容易分离的情况下。

    Mar, 2023

  • 视觉丰富文档的增强策略

    本论文提出了一种名为 FieldSwap 的数据增强技术，通过交换源领域的关键短语和目标领域的关键短语来生成新的合成例子，以提高培训中目标领域数据稀缺时的性能，例如文本处理和字段提取。实验证明，该方法可以提高 1-7 个 F1 点的提取性能。

    Dec, 2022