relational triple extraction | BriefGPT

关键词relational triple extraction

搜索结果 - 10

EMNLPRTF：基于区域的关系三元组抽取表填充方法
自动构建知识图谱的关键工作是关系三元组抽取。现有方法只从令牌或令牌对级别构建浅层表示，而忽略了关系三元组的局部空间依赖性，导致实体对边界检测的弱点。为了解决这个问题，我们提出了一种新的面向区域的表填充方法（RTF）。我们设计了一种新的基于区
PDF2 months ago
MM基于扩散模型的隐性检测视角下的关系三元组抽取
基于扩散模型的隐形角度关系三元组抽取是一种创新方法，旨在解决关系三元组抽取中存在的冗余信息和不完整识别等挑战，实验证明其达到了最先进的性能，并具有优越的推理速度和低计算复杂度。
PDF4 months ago
COLING使用表格提示解锁上下文学习的指导性关系三元组提取
为了解决设计有效的提示和选择适当的示范的两个挑战，我们提出了一种将 RTE 任务转化为表生成任务的表格提示方法（TableIE），并提出了只选择和注释少量样本的指导式上下文学习方法（I$^2$CL），从而同时解决了 ICL for RTE
PDF5 months ago
ACL关于关系抽取的联合模型是否适用于文档级任务的益处？
我们在句子级别和文档级别数据集上对目前最先进的管道和联合抽取模型进行基准测试，实验结果表明，联合模型在句子级别抽取任务上明显优于管道模型，但在文档级别数据集上，联合模型的性能迅速下降，低于管道模型。
PDF9 months ago
从统一到语言特定训练的多语言实体和关系提取
本文提出了一种基于多语言训练的实体和关系抽取框架 (mERE)，使用两阶段多语言训练方法和多语言实体、关系抽取联合模型，通过语言通用聚合器 (LA) 和语言特定切换器 (LS) 分别缓解语言干扰并提高关系三元组的抽取效果，实验结果表明该方法
PDFa year ago
EMNLPUniRel: 联合关系三元组抽取的统一表示与交互
本文介绍了 UniRel，一种在两种常见的关系三元组提取数据集上表现更出色和计算效率更高的方法，该方法主要使用 Interaction Map 和 Transformer Block 在自然语言序列中联合编码实体和关系的表示。
PDF2 years ago
WSDM关系三元组抽取的简单而有效的双向框架
本文提出了一种基于双向抽取框架的标记关系三元组抽取方法，该方法在联合提取主体和关系的同时从两个方向抽取实体对，并通过共享编码器组件实现特征互补和提升，使用双仿射模型为每个实体对分配所有可能的关系，在多个基准数据集上验证其性能和有效性，此外，
PDF3 years ago
EMNLP基于表格填充的新型全局面向特征的关系三元组抽取模型
本文提出了一种全局特征导向的三元组抽取模型（GTETEM），用于从复杂的句子中提取三元组，并利用全局关联进一步提升抽取效果。该模型引入新的表格填充策略，将全局关联信息与局部特征结合，使得每个关系的表格特征可以逐步细化，最终实现了表格填充和三
PDF3 years ago
COLING利用多原型嵌入桥接文本和知识，进行少样本关系三元组提取
本文提出了一种新的多原型嵌入网络模型，旨在共同提取关系三元组的组成，即实体对和相应的关系，通过设计一种混合的原型学习机制来连接文本和关于实体和关系的知识，从而注入实体和关系之间的隐式相关性，并提出原型感知正则化来学习更具代表性的原型，实验结
PDF4 years ago
ACL一种新型级联二进制标记框架用于关系三元组抽取
提出了一个新的级联二进制标记框架（CasRel）来解决关系三元组抽取任务中的重叠问题，并且在两个公共数据集 NYT 和 WebNLG 上相对于最强基线在 F1 分数上具有 17.5 和 30.2 绝对增益。
PDF5 years ago