document-level relation extraction | BriefGPT

关键词document-level relation extraction

搜索结果 - 45

增强文档级关系抽取的高效多重监督
提出了高效的多监督关系抽取方法，通过融合远程监督和专家监督选择信息丰富的文档子集，并利用多方监督排名损失训练模型，以提高模型性能并具有较高的时间效率。
PDF3 days ago
ACL论文级关系抽取模型对实体名称变化的鲁棒性研究
通过使用维基数据生成改名实体的文档，并对三个代表性文档级关系抽取模型和两个大规模语言模型在强化学习环境下进行实验，发现他们对实体名称的变化缺乏鲁棒性，尤其是在跨句子关系实例和包含更多实体的文档中。因此，我们提出了一种强化学习的训练方法，旨在
PDF23 days ago
ACLTTM-RE：记忆增强的文档级关系抽取
大规模嘈杂训练数据中的文档级关系抽取问题是一个具有挑战性的领域，本研究提出了一种集成可训练内存模块（Token Turing Machine）和嘈杂鲁棒性损失函数的新方法 TTM-RE，通过在 ReDocRED 基准数据集上进行广泛实验，实
PDF25 days ago
COLING通过跨语言迁移辅助构建日文文档级关系抽取数据集
将英文资源应用于日语的文档级关系抽取任务，构建了一个通过将英文数据集转化为日语的数据集，并将模型预测结果用于人工标注，减少了大约 50％的人工编辑步骤。该研究评估了现有的 DocRE 模型在所构建数据集上的性能，并揭示了日语和跨语言 Doc
PDF2 months ago
AutoRE：基于大型语言模型的文档级关系抽取
通过引入 AutoRE 模型和 RHF (Relation-Head-Facts) 的新型 RE 提取范式，结合 QLoRA (Parameters Efficient Fine Tuning) 算法构建了一个易于扩展的 DocRE 框架，
PDF3 months ago
COLINGFCDS：将成分和依赖句法融合到文档级关系抽取中
本研究将成分句法和依赖句法融合到文档级关系抽取（DocRE）中，使用成分句法整合整个句子信息和为目标对选择指导性句子，利用依赖句法在图结构中选择实体对之间的路径。实验结果表明该方法的有效性。
PDF4 months ago
基于大语言模型的远程监督半自动文档级关系抽取数据增强
通过集成大型语言模型和自然语言推理模块，我们提出一种自动标注方法来生成关系三元组，从而增强文档级关系数据集，我们通过介绍增强的数据集 DocGNRE 展示了我们方法的有效性，该方法在重新注释众多长尾关系类型方面表现出色，并且在推进广义语言语
PDF8 months ago
EMNLP照应辅助的文档级关系抽取
我们提出了一种基于指代辅助的框架用于文档级关系抽取任务，实验结果表明我们的模型取得了最先进的性能。
PDF8 months ago
基于预训练语言模型的上下文小样本关系抽取
通过预训练的语言模型，我们提出了一种新颖的在上下文中进行少样本关系抽取的框架，该框架可以消除命名实体识别和人工注释文档的需要，并实现了与现有方法相比最先进的性能。
PDF9 months ago
基于提示性数据编程的弱监督文档级关系抽取
通过结合基于提示的技术和数据编程，PromptRE 是一种新型的弱监督文档级关系提取方法，利用标签分布和实体类型作为先验知识来改善性能，在关系分类和处理 “无关系” 问题方面表现出了更好的性能，实验证明 PromptRE 在 ReDocRE
PDF9 months ago
具有关系相关增强的文档级关系提取
我们提出了一种关系图方法，用于明确利用关系之间的相互依赖性，在文档级别关系抽取中考虑关系的相互关联，并通过关系图模型化关系之间的相关性，以及通过关系信息传播的关系相关矩阵的重要性。实验结果验证了我们的方法可以提高多关系抽取的性能，在文档级别
PDF9 months ago
文档级关系抽取综述（2016-2022）
本文提供了对最近在文档级关系提取领域的发展的全面概述，并强调了它与句子级关系提取的不同应用。
PDF9 months ago
ACLPRiSM：使用关系感知评分校准提升低资源文档级关系抽取
在低资源环境中，本文通过采用校准方法提出 PRiSM，该方法能够基于关系语义信息调整逻辑回归结果，实验结果表明，将 PRiSM 与现有模型相结合，在三个 DocRE 数据集上可以提高 26.38 个 F1 分数，同时校准误差在使用约 3%
PDF9 months ago
GADePo：基于图的声明式汇聚转换器用于文档级关系抽取
本文通过利用 Transformer 模型的内在图处理能力，提出了一种图辅助声明性汇聚模型 (GADePo)，取代了当前基于文本编码器并依赖手动编码的汇聚启发式方法，使得汇聚过程可以由领域特定知识或期望的结果来引导，对文本级关系抽取问题的效
PDF10 months ago
基于正负未标注度量学习的文档级关系抽取框架
本文提出了一种基于 P3M 度量学习框架的文档级关系抽取方法，使用正向增强和混合方法进行正向无标签学习，改进了文档级关系抽取的 F1 分数。
PDFa year ago
模型是否理解文档？针对文档级关系抽取进行语言理解模型基准测试
本文研究了文档级别关系抽取中模型对关系预测的决策规则，从注释、实验等多个角度评估了当前 SOTA 模型和人类在关系抽取方面的差异，并提出了平均精度均值（MAP）作为综合评估指标，结果提示未来关系抽取模型的评估应考虑性能和理解能力两个方面。
PDFa year ago
ACL重新思考文档级关系抽取：现实检验
本文针对文档级关系抽取领域中广泛存在的一种强假设，即所有命名实体都已经完美地本地化、标准化和分类，通过构造四种类型的实体提及攻击，对典型的文档级关系提取模型进行行为探测，发现大多数当前的文档级关系提取模型易受实体提及攻击的影响，难以在真实世
PDFa year ago
ACL基于不确定性的文档级远程关系抽取标签去噪
本文提出了一种使用不确定性估计技术的文档层次远程关系提取框架 UDGDE，它通过新颖的实例级不确定性估计方法测量重叠关系的伪标签的可靠性，并针对长尾问题设计动态的不确定性阈值以过滤高不确定性的伪标签，实验证明该框架在两个公共数据集上性能优于
PDFa year ago
ACL面向文档级关系抽取的辨别性和鲁棒性融合
本文针对文档级关系抽取问题，设计一种具有高区分性和鲁棒性的方法，包括有效的损失函数，熵最小化和有监督对比学习，新颖的负标签采样策略，并在新的数据情境下进行评估。实验结果表明，该方法在 DocRED 数据集，Re-DocRED 和提出的数据情
PDFa year ago
ACLDREEAM：利用证据引导注意力以提升文档级关系抽取
本文针对文档级别关系抽取中证据检索面临的内存消耗高和注释有限的问题，提出了 DREEAM 方法，其采用内存高效的方式指导 DocRE 系统将注意力集中于证据上并采用自学习策略从大量数据中自动生成证据，实验证明该方法在 DocRE 和 ER
PDFa year ago