May, 2024

利用模板句子的数据增强方法用于变量定义提取

PDF
TL;DR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。
variable definitionsextraction methodstraining datachemical processesaccuracy
发现论文，激发创造
  • 科学出版物中的流程提取的数据增强技术

    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。

    May, 2024

  • 从科学文献中发现定义和方法的模式

    本文提出了一种分析方法，用于从科学文档中发现定义和方法的模式，并使用该方法发现定义和方法的模式。

    Jul, 2023

  • 神经潜在抽取式文档摘要

    本篇文章提出一种基于潜变量的抽取式文本摘要模型，通过使用句子作为潜变量和检索金标准摘要来改善基于启发式标签的抽取式模型，并在 CNN/Dailymail 数据集上得到了良好的结果。

    Aug, 2018

  • 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

  • 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

  • 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

  • 从数学文本中微调 BERT 模型进行定义提取

    本研究使用三种预训练的 BERT 模型对数学英语 (使用 LaTeX 编写) 的 “定义提取” 任务进行微调，将其作为一个二元分类问题。通过对原始数据集 “芝加哥” 和 “TAC” 的微调和测试，以及与 Vanetik 和 Litvak 在 2021 年提出的 WFMALL 数据集的对比测试，我们发现高性能的 Sentence-BERT transformer 模型在整体准确度、召回率和精确度等指标上表现最佳，且相较于早期模型，所需的计算资源更少。

    Jun, 2024

  • 生物医学 NER 的 LLM 实时定义增强

    通过新的知识增强方法，在有限数据环境中加入相关概念的定义，改进 LLMs 在生物医学命名实体识别方面的性能。

    Mar, 2024

  • 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

  • 利用 Transformer 提取数学学术文章中的定义

    我们考虑从学术论文的文本中自动识别数学定义中的明确术语。我们将问题作为（a）使用微调的预训练变压器进行令牌级分类任务，以及（b）使用通用大型语言模型（GPT）进行问答任务来解决。我们还提出了一种基于规则的方法，通过从论文的 LATEX 源代码构建一个带标签的数据集。实验结果表明，使用最近（和昂贵的）GPT 4 或在我们的任务上进行微调的较简单的预训练模型均可以达到高精度和召回率的水平。

    Nov, 2023