【自然语言处理】关系抽取 —— DialogRE 讲解

已于 2023-08-26 12:38:46 修改
阅读量1.4k 收藏
点赞数
分类专栏： 【NLP & CV】 文章标签： 自然语言处理 人工智能 深度学习 神经网络 机器学习
于 2023-08-24 21:12:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46221946/article/details/132482633
版权
本文介绍了Dialogue-Based Relation Extraction（DialogRE）任务，它首次关注对话场景中的关系抽取，并提出了一种感知说话人信息的BERT模型——BERTS。DialogRE数据集基于《老友记》人工标注，包含36种关系类型。模型评估指标F1c强调实时性，实验显示BERTS在对话关系抽取上表现优秀。
摘要由CSDN通过智能技术生成

Dialogue-Based Relation Extraction

论文信息

标题：Dialogue-Based Relation Extraction

作者：Dian Yu, Kai Sun, Claire Cardie, Dong Yu

期刊：ACL 2020

发布时间与更新时间：2020.04.17

主题：自然语言处理、关系抽取、对话场景、跨语句、DialogRE

arXiv：[2004.08056] Dialogue-Based Relation Extraction (arxiv.org)

代码：（公开了数据集）DialogRE: The First Human-Annotated Dialogue-Based Relation Extraction Dataset

概述

之前对于关系抽取（relation extraction，RE）的研究多基于短文本或者长文档，作者首先提出了对话场景下的关系抽取任务，并基于《老友记》人工标注了一个对话场景的关系抽取数据集 DialogRE。作者提出了感知说话人信息的 BERT 模型 BERTS来处理对话场景关系抽取，同时定义了能够衡量模型实时关系抽取能力的评价指标。

本文

了解本专栏 订阅专栏 解锁全文 超级会员免费看
不牌不改
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
自然语言处理发展的四大阶段
herosunly的博客
05-10 5万+
1. 基于规则的方法 2. 统计机器学习方法 3. 浅层神经网络 4. 深层神经网络(预训练模型)
Dialogue-Based Relation Extraction
qq_37217876的博客
11-28 1184
基于对话的关系抽取Abstract1.Introduction2.Data Construction2.1Relation Schema2.2Annotation2.3Negative Instance Generation, Data Split, and Speaker Name Anonymization Abstract 提出了第一个基于人工标注的对话关系抽取数据集DialogRE旨在支持对出现在对话中的两个arguments（参数）的关系进行预测 提供DialogRE作为研究（cross-sen
【关系抽取】Dialogue-Based Relation Extraction
drewings的博客
06-14 2251
Dialogue-Based Relation Extraction 2020ACL 腾讯实验室出品 资源：https:// dataset.org/dialogre/ Abstract 首先作者贡献了出了基于对话的关系抽取数据集（DialogRE)，并在此基础上进行了跨句的关系抽取研究。作者认为在关系抽取中，和人相关的信息扮演着重要的角色，考虑到谈话中的及时性，作者设计了针对对话中的关系抽取评价指标，并简单的在基于bert的模型的上的关系抽取做了拓展，结果显示无论是在平常的F1还是作者提出的F1c
【论文解读】Dialogue-Based Relation Extraction基于对话的关系抽取
Queen_sy的博客
01-18 573
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。
ACL2021论文笔记——Constructing Multi-Modal Dialog Dataset by Replacing Text with Semantically Relev Image
Mike峰
11-27 716
ACL2021论文，标题：通过语义相关的图像替换文字来建立多模态数据集 关键词：Constructing Multi-Modal Dialog Dataset by Replacing Text with Semantically Relevant Images、多模态、对话系统、相关语义的图像替换、数据集构建、ACL2021、NLP、深度学习、自然语言处理 作者机构：韩国科学技术院 (KAIST) 作者：Lee等
干货 | 100+个NLP数据集大放送，再不愁数据！
THU数据派
05-02 8951
来源：大数据文摘本文共4270字，建议阅读7分钟。本文为你奉上100多个按字母顺序排列的开源自然语言处理文本数据集列表。奉上100多个按字母顺序排列的开源自然语言处理文本...
【自然语言处理】之——实体关系抽取数据集
m0_62339601的博客
09-19 1860
Duie2.0数据集是一个面向实体关系抽取任务的开放式中文数据集。它是由中国科学院计算技术研究所推出的，用于促进自然语言处理和知识图谱的研究和应用。该数据集包含了来自新闻、百度百科、微博等多个领域的文本数据。每个样本都由一个实体、关系和上下文组成，旨在让机器理解实体之间的关系。
自然语言处理——信息抽取——远程监督关系抽取
Wangpeiyi9979的博客
02-22 2791
前言: 从小到大一直没有做笔记的习惯, 不过成绩一直还算好, 所以从不重视, 考试就是抱着一本书从头看到尾,感觉这样心里也踏实. 不过前段时间跟着学长开始进行科研, 读了好多关于关系抽取的文章，后来发现不做笔记确实力不从心了. 第二次又要画大量时间重读. 现在关系抽取告一段落, 特地对读过的文章整理总结，也算告别过去，踏上新的征程. 文章目录基本介绍问题定义问题运用分类^[http://sho...
自然语言处理入门——新手上路
qq_42794545的博客
11-10 7899
自然语言处理（NLP）是一门融合了计算机科学、人工智能以及语言学的交叉学科。 一、自然与语言与编程语言 1.词向量 自然语言中的词汇量比编程语言中的关键词丰富。再自然语言中，我们可以使用的词汇量是无穷无尽的，几乎没有意义完全相同的词语。我们国家语言文字工作委员会发布的《现代汉语常用词表（草案）》一共收录56 008个词条。除此之外，我们还可以随时创造各种类型的新词，而不仅限于名词。 2.结构化 自然语言是非结构化的，而编程语言是结构化的。所谓的结构化，是指信息具有明确的结构关系，比如编程.
自然语言处理（1）——绪论与概述
胖虎的博客
11-29 3844
NLP学习笔记（1）——绪论与概述1.基本概念（1）语言学（2）语音学（3）计算语言学，Computational Linguistics（4）自然语言理解，Natural Language Understanding（5）自然语言处理，Natural Language Processing（6）中文信息处理2.HLT的产生与发展 1.基本概念 什么是语言学、什么是语音学？ 自然语言理解、自然语言处理、计算语言学，以及中文信息处理，它们又有什么关系？ 在本节中，将对自然语言处理相关的概念进行解释与辨析。
自然语言处理数据集——高中数学学科
02-19
提供高中数学学科的知识数据集，包含2232个样本和2399个实体，提供了基于该数据集的实体关系数据库（一共12种...该数据集可用于基于高中数学学科的知识图谱的构建，包含命名实体识别、实体关系抽取、文本分类等任务。
自然语言处理数据集——初中数学学科
02-19
提供高中数学学科的知识数据集，包含6661个样本和706个实体，提供了基于该数据集的实体关系数据库（一共12种...该数据集可用于基于高中数学学科的知识图谱的构建，包含命名实体识别、实体关系抽取、文本分类等任务。
自然语言处理之事件抽取
08-17
总的来说，自然语言处理中的事件抽取是一项复杂但至关重要的任务，它涉及到多个NLP子任务的协同工作，通过不断的技术创新和模型优化，这一领域的研究正在逐步推动人工智能更好地理解和利用自然语言。
自然语言处理NLPPytorchBert-CasRel实体关系抽取源码和视频1G
04-20
### 自然语言处理(NLP)与Pytorch Bert-CasRel实体关系抽取 #### 自然语言处理(NLP)简介 自然语言处理（Natural Language Processing，简称NLP）是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与...
自然语言处理文本信息抽取.pptx
06-23
在自然语言处理中，文本信息抽取是一项核心任务，旨在从大量文本中提取出关键的信息，如实体、关系和事件。本篇主要讨论了命名实体识别（NER），这是信息抽取的一个关键子任务。 命名实体识别（NER）的目标是在文本...
【生成式人工智能-九-大型语言模型的幻觉、偏见等安全性问题】
zishuijing_dd的博客
08-09 739
大型语言模型的幻觉、偏见等问题，简介解决方案
【大模型从入门到精通15】openAI API 构建和评估大型语言模型（LLM）应用3
最新发布
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
08-09 447
函数中的逻辑需要根据实际情况进行调整，以便能够正确解析LLM的响应并提取分数和反馈。以上代码示例仅供参考，实际应用中需要根据具体情况调整和完善。函数对一个响应进行评估，以了解它与提供的上下文的匹配程度以及信息的准确性。
《Unified Visual Relationship Detection with Vision and Language Models》ICCV2023
qq_46981910的博客
08-09 1066
这项工作集中在训练单一的视觉关系检测器（VRD），该检测器可以预测来自多个数据集的标签空间的并集。由于不同数据集的标签体系不一致，合并标签是一个挑战。作者提出了 UniVRD，一种新颖的自下而上的方法，利用视觉和语言模型（VLMs）来统一视觉关系检测。VLMs 提供了对齐良好的图像和文本嵌入，其中相似的关系被优化以在语义上统一。UniVRD 在 HICO-DET 上达到了 38.07 mAP，比当前最佳的自下而上的 HOI 检测器相对提高了 60%。
MaxKB：基于 LLM大语言模型的知识库问答系统实操
weixin_44195690的博客
08-09 395
MaxKB ，基于 LLM（Large Language Model）大语言模型的知识库问答系统。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

不牌不改

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值