关键词joint entity and relation extraction
搜索结果 - 6
- 噪声鲁棒学习的远程监督联合实体和关系抽取
用一个模型识别实体对及其关系的联合实体和关系抽取任务中，存在嘈杂标签的问题。为了填补这个空白，我们引入了一种新的噪音鲁棒方法，可以同时进行实体和关系检测，并使用一个新的损失函数惩罚与显著关系模式和实体关系依赖性不一致的情况，以及一个自适应学 - CARE：用于联合实体和关系抽取的共同注意力网络
我们提出了一种名为 CARE 的 Co-Attention 网络模型，可以实现联合实体和关系的抽取任务，通过学习各个子任务的独立表示以避免特征重叠，并通过双向交互来提升模型性能，实验结果表明我们的模型在三个基准数据集上表现优秀。
- DocRED-FE：一个基于文档的细粒度实体和关系抽取数据集
本文介绍了构建大规模文档级细粒度实体和关系提取（JERE）数据集 DocRED-FE 的方法，着重于实体类型细粒度化，包括重新设计实体类型分层结构和 119 个细粒度类型，通过丰富的实验发现 DocRED-FE 对现有 JERE 模型提出挑 - EMNLP一种用于联合实体和关系提取的分区过滤网络
提出一种基于 Partition Filter Network 的两部分编码方式对实体和关系进行抽取，并通过实体和关系门控进行分隔。实验结果表明，该方法在六个公共数据集上显著优于以往方法，并且辅助实验表明关系预测对命名实体预测也有重要贡献。
- WWW联合实体和关系抽取的触发 - 感知记忆流框架
使用 TriMF 框架进行 joint entity and relation extraction，其中使用 memory flow attention mechanism 增强了实体识别和关系抽取之间的交互，同时还使用了 trigger - EMNLP减小 Seq2Seq 模型在实体和关系联合抽取中的暴露偏差
提出了一种 Sequence-to-Unordered-Multi-Tree 模型用于联合实体和关系提取，通过限制三元组内的解码长度和移除三元组之间的顺序等方法，最小化暴露偏差效应并提高泛化能力，实验表明该模型在 DuIE 和 NYT 数据