![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
关系抽取
文章平均质量分 95
Queen_sy
这个作者很懒,什么都没留下…
展开
-
[论文解读]DORE: Document Ordered Relation Extraction based on GenerativeFramework
近年来,基于生成框架的信息抽取工作激增,它允许更直接地使用预先训练的语言模型,并有效地捕获输出依赖关系。然而,以前使用词法表示的生成方法并不适合存在多个实体和关系事实的文档级关系抽取(DocRE)。在本文中,我们调查了现有生成型DocRE模型表现不佳的根本原因,我们提出了一种,这种方法具有确定性,且易于模型学习。此外,我们设计了一种处理超长目标序列的。此外,我们还引入了几种来提高平衡信号的性能。在4个数据集上的实验结果表明,该方法可以提高生成DocRE模型的性能。原创 2023-07-07 09:34:53 · 205 阅读 · 0 评论 -
【论文解读】A sequence-to-sequence approach for document-level relation extraction
重要贡献:•我们提出了一种新的线性化模式,可以处理以前seq2seq方法忽略的复杂性,如共参照提及和n元关系(§3.1)。•使用这种线性化模式,我们证明了seq2seq方法能够联合学习DocRE的子任务(实体提取、共参考解析和关系提取),并报告几个流行的生物医学数据集上的首个端到端结果(§5.1)。在自然语言处理中,联合学习是一种将多个相关任务结合起来学习的方法。对于DocRE子任务,seq2seq方法可以通过同时训练实体识别和关系抽取模型,将两个任务结合起来,从而提高模型的性能。具体来说,通过seq原创 2023-05-10 15:57:31 · 412 阅读 · 0 评论 -
【论文解读】Dialogue-Based Relation Extraction基于对话的关系抽取
贡献(一)构建了第一个人工标注的基于对话的关系抽取数据集,并深入研究了基于对话的关系抽取任务与传统关系抽取任务的异同;(二)设计了一个新的会话评价指标,该指标反映了对话中交互通信的及时性;(三)利用标准的基于学习的技术在Dialogre上建立了一组基线关系抽取结果,进一步证明了说话人论据的明确识别在基于对话的关系抽取中的重要性。构建了第一个人工标注的基于对话的关系抽取数据集,语料库表1表2。原创 2023-01-18 12:39:57 · 554 阅读 · 0 评论