WYSIWYE: An Algebra for Expressing Spatial and Textual Rules for Visual Information Extraction
IBM Research(IBM研究院);University of Wisconsin-Madison(威斯康星大学麦迪逊分校);IBM Germany Research & Development(IBM德国研发中心)
网页的视觉布局可以为某些类型的信息抽取(IE)任务提供有价值的线索。在传统的基于规则的IE框架中,这些布局提示被映射到对网页的HTML源进行操作的规则。相比之下,我们已经开发了一个框架,其中的规则可以直接指定在布局级别。这有很多优点,因为更高的抽象级别导致更简单的提取规则,这些规则在很大程度上独立于页面的源代码,因此更健壮。它还可以实现以其他方式不可能的新类型规则的规范。据我们所知,没有一个通用的框架,允许声明性规范的信息抽取规则的基础上的空间布局。我们的框架是传统的基于文本的规则框架的补充,并允许基于空间布局的规则与传统的基于文本的规则的无缝结合。我们描述的代数,使这样一个系统和它的有效实施使用标准的关系和文本索引功能的关系数据库。我们证明了这个系统的简单性和效率的任务,涉及软件产品页面的软件系统要求的提取。
2016-09-27 cs.CL cs.DB cs.IR
From Examples to Rules: Neural Guided Rule Synthesis for Information Extraction
University of Arizona(亚利桑那大学)
虽然用于信息抽取的深度学习方法已经取得了许多成功,但随着需求的变化,它们可能很难扩展或维护。另一方面,基于规则的方法可以更容易地修改。然而,制定规则需要语言学和感兴趣领域的专业知识,这对大多数用户来说是不可行的。在这里,我们试图结合这两个方向的优点,同时减轻他们的缺点。我们适应最近的进展,从相邻领域的程序合成信息抽取,合成规则提供的例子。我们使用基于转换器的架构来指导枚举搜索,并表明这减少了在发现规则之前需要探索的步骤数量。此外,我们表明,在没有在特定域上训练合成算法的情况下,我们合成的规则在专注于关系分类的少样本学习的任务的1次场景上实现了最先进的性能,和竞争力的表现在5杆的情况下。
2022-01-16 cs.CL cs.IR cs.LG
Tale of tails using rule augmented sequence labeling for event extraction
IIT Bombay(印度理工学院孟买分校)
事件提取的问题是一个相对困难的任务,低资源的语言,由于没有足够的注释数据。此外,任务变得复杂的尾部(很少出现)标签,其中非常少的数据是可用的。在本文中,我们提出了一个新的数据集(InDEE-2019)在灾难领域的多种印度语言,从新闻网站收集。使用这个数据集,我们评估了几种基于规则的机制来增强基于深度学习的模型。我们制定我们的问题,事件提取作为一个序列标签的任务,并进行了广泛的实验,研究和了解不同的方法的有效性。我们进一步表明,尾部标签可以很容易地通过创建新的规则,而不需要大的注释数据。
2020-01-31 cs.CL cs.IR cs.LG
AutoSpecNER: A Fine-Grained Named Entity Recognition Dataset for Vehicle Specification Extraction
Department of Computing and Mathematics, Manchester Metropolitan University(曼彻斯特城市大学计算与数学系);Autotrader Research Group, Autotrader UK(英国Autotrader研究组)
提出AutoSpecNER数据集,包含659条汽车广告和15类超过1万个实体,基于DeBERTa的模型达到90%微平均F1分数,优于规则方法和大型语言模型。
2026-11-03 cs.CL
Approximate Grammar for Information Extraction
本文提出了近似文法的概念以及如何利用它从文档中抽取信息。由于信息串的结构不能在文档中很好地定义,我们不能使用传统的语法规则来表示信息。因此,需要设计一个近似的语法,可以有效地用来完成信息抽取的任务。近似文法是朝着这个方向迈出的新的一步。近似语法的规则可以由用户给出,或者机器可以从带注释的文档中学习规则。我们已经在上述两个领域进行了实验,结果令人印象深刻。
2003-05-06 cs.AI cs.CL
Did the Models Understand Documents? Benchmarking Models for Language Understanding in Document-Level Relation Extraction
Fudan University(复旦大学);Shanghai Key Laboratory of Data Science(上海市数据科学重点实验室)
本文通过标注人类依据、揭示DocRE模型决策规则与人类差异、提出专用攻击及引入MAP指标,呼吁同时评估模型性能与理解能力。
2023-06-20 cs.CL
A Few-shot Approach to Resume Information Extraction via Prompts
Yokohama National University(横滨国立大学)
本文提出一种基于提示学习的少样本简历信息抽取方法,通过设计人工模板和MKV规则构建verbalizer,解决了样本不平衡问题,性能优于现有自动提示方法。
2023-05-20 cs.CL
POTATO: exPlainable infOrmation exTrAcTion framewOrk
TU Wien(维也纳工业大学);Budapest University of Technology and Economics(布达佩斯技术与经济大学)
我们提出了POTATO,一个任务和语言独立的框架,用于基于规则的文本分类器使用基于图的特征的人在回路(HITL)学习。POTATO处理任何类型的有向图,并支持将文本解析为抽象意义表示(AMR),通用语义(UD)和4lang语义图。基于streamlit的用户界面允许用户根据图形模式构建规则系统,提供基于地面实况数据的实时评估,并通过使用可解释的机器学习模型对图形特征进行排名来建议规则。用户还可以使用正则表达式在图形上提供模式,POTATO可以推荐对这些规则的改进。POTATO应用于跨领域和跨语言的项目,包括对德语法律文本和英语社交媒体数据的分类任务。我们系统的所有组件都是用Python编写的,可以通过pip安装,并在GitHub上的MIT许可证下发布。
2022-10-16 cs.CL cs.LG
A Sentence Simplification System for Improving Relation Extraction
University of Passau(帕绍大学)
在这篇演示论文中,我们提出了一种文本简化方法,旨在提高最先进的开放式关系抽取(RE)系统的性能。由于句法复杂的句子往往对当前的Open RE方法构成挑战,我们开发了一个简化框架,该框架通过将单个句子作为输入并使用一组基于句法的转换规则来执行预处理步骤,以创建更容易为随后应用的Open RE系统处理的文本输入。
2017-03-27 cs.CL
Joint Entity Extraction and Assertion Detection for Clinical Text
Amazon, USA(亚马逊(美国))
阴性医学发现在临床报告中普遍存在,然而将它们与阳性发现区分开仍然是信息抽取的一项具有挑战性的任务。大多数现有系统将该任务视为两个单独任务的流水线,即,命名实体识别(NER)和基于规则的否定检测。我们认为这是一个多任务的问题,并提出了一种新的端到端的神经模型,以联合提取实体和否定。我们扩展了一个标准的分层编码器-解码器NER模型,首先采用一个共享的编码器,然后分别为这两个任务解码器。这种架构的性能比以前的基于规则和基于机器学习的系统要好得多。为了克服参数大小增加的问题,特别是对于低资源设置,我们提出了条件Softmax共享解码器架构,该架构在2010年i2 b2/VA挑战数据集和专有的去识别临床数据集上实现了NER和否定检测的最新结果。
2020-01-22 cs.CL
Automatic Rule Extraction from Long Short Term Memory Networks
UC Berkeley(加州大学伯克利分校);Facebook AI Research(Facebook人工智能研究院)
虽然深度学习模型已被证明在解决自然语言处理中的问题方面是有效的,但它们得出结论的机制往往不清楚。因此,这些模型通常被视为黑箱,无法洞察潜在的学习模式。在本文中,我们考虑了长短期记忆网络(LSTM),并展示了一种新的方法,用于跟踪给定输出的LSTM输入的重要性。通过识别一致的重要模式的话,我们能够提炼出最先进的LSTM的情感分析和问答到一组代表性的短语。然后,通过使用提取的短语来构建一个简单的、基于规则的分类器来定量验证这种表示,该分类器近似于LSTM的输出。
2017-02-24 cs.AI cs.CL cs.NE
Learning Rules from KGs Guided by Language Models
Imperial College London(伦敦帝国学院);Bosch Center for Artificial Intelligence(博世人工智能中心);Amazon Research(亚马逊研究院)
针对知识图谱不完整及规则排序易受图谱偏差影响的问题,本研究探索利用语言模型提升知识图谱规则学习系统质量的有效性。
2024-09-12 cs.CL
Financial Event Extraction Using Wikipedia-Based Weak Supervision
IBM Research(IBM研究院)
从文本中提取金融和经济事件以前主要使用基于规则的方法,最近的工作采用机器学习技术。这项工作符合后一种方法,利用维基百科的相关章节为描述经济事件的句子提取弱标签。而以前的弱监督的方法需要这样的事件的知识库,或相应的财务数字,我们的方法不需要这样的额外的数据,并可以用来提取经济事件相关的公司,甚至没有提到的训练数据。
2022-11-28 cs.CL
Automatic Extraction of Causal Relations from Natural Language Texts: A Comprehensive Survey
University of Waterloo(滑铁卢大学)
从自然语言文本中自动提取因果关系是人工智能领域的一个具有挑战性的开放性问题。大多数早期的解决方案都是在小型和特定领域的数据集上手动构建语言和句法规则。然而,随着大数据的出现,可负担得起的计算能力的可用性以及最近机器学习的普及,解决这个问题的范式已经慢慢改变。机器现在被期望以领域独立的方式,在最少的监督下从标记数据中学习通用的因果提取规则。在本文中,我们提供了一个全面的调查因果关系抽取技术从这两种范式,并分析其相对的优势和劣势,为今后的工作提出建议。
2016-05-25 cs.AI cs.CL cs.IR
IMoJIE: Iterative Memory-Based Joint Open Information Extraction
Indian Institute of Technology Delhi(印度理工学院德里分校);Indian Institute of Technology Bombay(印度理工学院孟买分校)
虽然传统的开放式信息抽取系统是基于统计和规则的,但最近神经模型已经被引入该任务。我们的工作建立在CopyAttention,一个序列生成OpenIE模型(Cui et.例如,2018年)。我们的分析表明,CopyAttention产生一个常数的提取每句话,其提取的元组往往表示冗余信息。我们提出IMoJIE,CopyAttention的扩展,它产生下一个提取条件的所有先前提取的元组。这种方法克服了CopyAttention的两个缺点,导致每个句子的不同提取数量可变。我们在从几个非神经系统的提取中引导的训练数据上训练IMoJIE,这些数据已经被自动过滤以减少冗余和噪声。IMoJIE比CopyAttention高出约18个F1点,比基于BERT的强基线高出2个F1点,为该任务建立了一个新的技术水平。
2020-05-17 cs.CL
On TimeML-Compliant Temporal Expression Extraction in Turkish
Gazi University(加齐大学)
普遍认为,时间表达提取器是诸如信息检索和问答系统的较大自然语言处理系统的重要组件。土耳其语时间表达式的提取和规范化一直没有得到重视,除了命名实体识别过程中的一些日期和时间表达式的提取。由于TimeML是当前自然语言文本中时间表达和事件注释的标准,本文基于相关的TimeML分类(即,date、time、duration和set表达式)。我们已经创建了一个土耳其语的时间表达的词汇,并设计了相当广泛的覆盖模式,使用的词法类作为积木。我们相信,所提出的模式,加上方便的规范化规则,可以很容易地使用土耳其语的预期时间表达提取工具。
2015-09-03 cs.CL
milIE: Modular & Iterative Multilingual Open Information Extraction
NEC Laboratories Europe(NEC欧洲实验室);Heidelberg University(海德堡大学);University of Stuttgart(斯图加特大学)
开放式信息抽取(OpenIE)是从自然语言句子中抽取(主语、谓语、宾语)三元组的任务。当前的OpenIE系统独立地提取所有三重插槽。相比之下,我们探索的假设,它可能是有益的,以迭代方式提取三个插槽:首先提取容易的插槽,其次是困难的条件容易插槽,因此实现了更好的整体提取。基于这一假设,我们提出了一个神经OpenIE系统,milIE,以迭代的方式操作。由于迭代的性质,该系统也是模块化的--可以将基于规则的提取系统与神经端到端系统无缝集成,从而允许基于规则的系统提供提取槽,milIE可以利用该提取槽来提取剩余的槽。我们证实了我们的假设经验:milIE优于SOTA系统的多种语言,从中文到阿拉伯语。此外,我们是第一个为阿拉伯语和加利西亚语提供OpenIE测试数据集的公司。
2022-04-25 cs.AI cs.CL
Integrating Deep Learning with Logic Fusion for Information Extraction
Nanyang Technological University(南洋理工大学)
信息抽取(IE)旨在从输入文本中产生结构化信息,例如,命名实体识别和关系抽取。已经提出了通过特征工程或深度学习用于IE的各种尝试。然而,他们中的大多数人未能将任务本身固有的复杂关系联系起来,而这一点已被证明是特别重要的。例如,两个实体之间的关系高度依赖于它们的实体类型。这些依赖关系可以被视为复杂的约束,可以有效地表示为逻辑规则。为了将这种逻辑推理能力与深度神经网络的学习能力相结合,我们提出将逻辑知识以一阶逻辑的形式集成到深度学习系统中,该系统可以以端到端的方式进行联合训练。该集成框架能够通过逻辑规则的知识正则化来增强神经输出,同时更新逻辑规则的权重以符合训练数据的特性。我们证明了该模型的有效性和推广多IE任务。
2019-12-06 cs.CL cs.IR cs.LG
Beyond path selection: Better LLMs for Scientific Information Extraction with MimicSFT and Relevance and Rule-induced(R$^2$)GRPO
HKUST Hong Kong SAR, China(香港科技大学);SEU Jiangsu, China(江苏大学);HKUST(GZ) Guangzhou, China(香港科技大学(广州));Zhipu AI Beijing, China(智谱AI);HKUST(GZ), HKUST Guangzhou, China(香港科技大学(广州)、香港科技大学)
针对科学信息抽取中 LLMs 表现不佳的问题,提出结合 MimicSFT 和 R$^2$GRPO 的两阶段训练方法,无需高质量思维链数据即可优化推理路径并提升推理能力,在关系抽取任务上超越基线与专门监督模型。
2025-05-28 cs.AI cs.CL cs.IR
Information Extraction through AI techniques: The KIDs use case at CONSOB
Sapienza Università di Roma(罗马大学);Commissione Nazionale per le Società e la Borsa(意大利国家公司和证券交易所委员会)
在本文中,我们报告了Consob和Sapienza大学合作开展的初步活动。我们专注于从描述金融工具的文档中提取信息抽取。我们讨论了如何通过基于规则和基于机器学习的方法自动化这项任务,并提供了我们的第一个结果。
2022-01-29 cs.CL cs.IR
PRIMO: Progressive Induction for Multi-hop Open Rule Generation
Southeast University(东南大学)
PRIMO提出渐进式多阶段开放规则生成方法,引入本体信息并采用人类反馈强化学习,显著提升多跳规则的质量与多样性,降低原子重复率。
2024-11-02 cs.AI cs.CL
Beyond Rule-based Named Entity Recognition and Relation Extraction for Process Model Generation from Natural Language Text
University of Bayreuth(拜罗伊特大学)
本文将自然语言生成流程模型中的信息抽取流水线改造为完全数据驱动,并扩展 PET 数据集以标注和解析实体语言指代,提升跨领域适配性与模型生成质量。
2023-08-07 cs.CL cs.LG
A logic-based relational learning approach to relation extraction: The OntoILPER system
Universidade Federal Rural de Pernambuco(伯南布哥州联邦农村大学);Aix-Marseille Université(艾克斯-马赛大学);Universidade Federal de Pernambuco(伯南布哥州联邦大学)
关系抽取(RelationExtraction,RE)是一种检测和描述文本中实体之间语义关系的方法,在过去的二十年里得到了广泛的关注,主要应用于生物医学领域。已经发表了许多关于使用监督机器学习技术的关系抽取的论文。这些技术中的大多数依赖于统计方法,例如基于特征和基于树核的方法。这种统计学习技术通常基于用于表示示例的命题假设空间,即,它们采用特征的属性值表示。这种表示有一些缺点,特别是在提取复杂关系时,这些关系需要更多关于所涉及实例的上下文信息,即,它不能有效地从解析树中捕获结构信息而不丢失信息。在这项工作中,我们提出了OntoILPER,一个基于逻辑的关系学习方法,关系抽取,使用归纳逻辑程序设计生成提取模型的形式,符号提取规则。OntoILPER利用了实例的丰富关系表示,这可以减轻上述缺点。建议的关系的方法似乎更适合关系抽取比统计的几个原因,我们认为。此外,OntoILPER使用领域本体,该领域本体指导背景知识生成过程并用于存储提取的关系实例。在生物医学领域的三个蛋白质-蛋白质相互作用数据集上评估了诱导提取规则。OntoILPER提取模型的性能与其他国家的最先进的RE系统进行了比较。令人鼓舞的结果似乎证明了所提出的解决方案的有效性。
2020-01-13 cs.AI cs.CL
Pynsett: A programmable relation extractor
QBE Europe(QBE欧洲)
本文提出了一种可编程的英语关系抽取方法,通过将文本解析成语义图。人们可以用简单的英语定义规则,这些规则充当图表示的匹配模式。这些规则旨在捕获文档的语义内容,允许灵活性和临时实体。关系抽取是一项复杂的任务,通常需要大量的训练语料。这里提出的方法是理想的提取专门的本体在一个有限的文件集合。
2020-10-04 cs.AI cs.CL
Extreme Extraction: Only One Hour per Relation
University of Washington(华盛顿大学)
信息抽取(IE)旨在从自然语言文本中自动生成大型知识库,但进展缓慢。监督学习需要大量的人工注释,而无监督和弱监督方法无法提供有竞争力的准确性。因此,IE的大多数现场应用以及领先的TAC-KBP系统都依赖于大量的人工工程。即使是“极端”的方法,如弗里德曼等人2011年报道的方法,每个关系需要大约10个小时的专家劳动。本文展示了如何将这种努力减少一个数量级。我们提出了一个新的系统,InstaRead,简化创作与合奏的方法:1)编码提取规则的表达和组合表示,2)引导用户有前途的规则的基础上语料库统计和挖掘的资源,和3)引入一个新的交互式开发周期,提供即时反馈-即使在大型数据集。实验表明,专家可以在一个小时内创建高质量的提取器,甚至NLP新手也可以编写好的提取器。这些提取器等于或优于通过远程监督和最先进的远程监督方法获得的提取器。
2015-06-21 cs.AI cs.CL cs.IR
Neural Disease Named Entity Extraction with Character-based BiLSTM+CRF in Japanese Medical Text
Nara Institute of Science and Technology(奈良先端科学技术大学院大学)
我们提出了一个“端到端”的基于字符的递归神经网络,该网络从日本医学文本中提取疾病命名实体,并同时判断其模态为阳性或阴性;即,确认或否定所述疾病或症状。采用神经网络的动机是学习有效的词汇和结构表示功能的实体识别,也为积极/消极的分类从注释语料库,而不明确提供任何基于规则的或手动的功能集。我们证实了我们的方法优于以前的基于字符的CRF或SVM方法的结果。
2018-06-10 cs.CL cs.IR
Automated Extraction of Number of Subjects in Randomised Controlled Trials
Arizona State University(亚利桑那州立大学);Mayo Clinic(梅奥诊所)
本文提出了一种自动提取随机对照试验(RCT)受试者数量的简单方法。我们的方法首先应用一组基于规则的技术,从文章摘要中提取候选研究规模。监督分类,然后执行的候选人与支持向量机,使用一小组的词汇,结构和上下文的功能。只有一个小的注释训练集的201个随机对照试验,我们获得了88%的准确性。我们相信该系统将有助于复杂的医疗文本处理任务,例如总结和问答。
2016-06-22 cs.AI cs.CL cs.IR
Boosting Biomedical Concept Extraction by Rule-Based Data Augmentation
Université de Montréal(蒙特利尔大学)
本文针对生物医学概念抽取中标注数据稀缺的问题,提出利用基于规则的MetaMapLite系统从PubMed和PMC生成伪标注数据以增强训练集,并通过实验验证了该方法能有效提升概念抽取模型的性能。
2024-07-03 cs.CL
NLP4PBM: A Systematic Review on Process Extraction using Natural Language Processing with Rule-based, Machine and Deep Learning Methods
Telfer School of Management, University of Ottawa(渥太华大学泰尔弗管理学院)
本文综述了自动化过程提取领域,指出ML/DL方法正越来越多地用于NLP组件且优于经典规则方法,但缺乏黄金标准标注数据集阻碍了客观评估与模型训练,并探讨了LLM在该领域的初步应用与发展前景。
2024-09-10 cs.CL
Extraction in Dutch with Lexical Rules
在基于统一的语法中,无界依赖通常由“跟踪”(和“间隙线程”)建模。然而,Pollard和Sag提出了一种基于词汇规则的提取分析,排除了痕迹的概念(P&S 1994,第9章)。在句法分析中,它意味着用不确定性换取词汇歧义。本文提供了一个简短的介绍,这种方法来提取词汇规则,并说明了语言的力量的方法,将其应用于特别是特质荷兰提取数据。
1994-11-14 cmp-lg cs.CL
Automatic Extraction of Rules Governing Morphological Agreement
Carnegie Mellon University(卡内基梅隆大学);George Mason University(乔治梅森大学)
建立语言的描述文法是语言文档化和保存的一个必不可少的步骤。然而,与此同时,这是一项繁琐、耗时的任务。在本文中,我们采取步骤自动化这一过程,设计一个自动化的框架,从原始文本中提取一个简明的,人类和机器可读的格式的第一遍语法规范。我们专注于提取规则描述协议,在世界上许多语言的语法的核心形态句法现象。我们将我们的框架应用于Universal Advertisement项目中包含的所有语言,并取得了可喜的成果。使用跨语言迁移,即使在感兴趣的语言中没有专家注释,我们的框架也提取了语法规范,该语法规范几乎等同于使用大量黄金标准注释数据创建的语法规范。我们通过人类专家对我们的框架产生的规则进行评估来证实这一发现,其平均准确率为78%。我们在https://neulab.github.io/lase/上发布了一个界面来演示提取的规则。
2020-10-06 cs.CL
Sparse Logistic Regression with High-order Features for Automatic Grammar Rule Extraction from Treebanks
Université Paris Nanterre(巴黎楠泰尔大学);CNRS(法国国家科学研究中心);Modyco(莫迪科研究所);Sorbonne Université(索邦大学);ISIR(机器人与交互系统研究所);Institut Universitaire de France(法国大学研究院)
本文提出一种基于稀疏 Logistic Regression 的新方法,从 Treebanks 中提取并探索细粒度语法模式和潜在句法规则,结合统计信息对规则排名,在西班牙语、法语和 Wolof 语中成功捕获了已知与未知的显著语法规则。
2024-03-26 cs.CL
A Survey on Open Information Extraction from Rule-based Model to Large Language Model
Westlake University(西湖大学);University of Rochester(罗切斯特大学);Zhejiang University(浙江大学);Columbia University(哥伦比亚大学);Alibaba DAMO Academy(阿里巴巴达摩院);Northeastern University(东北大学)
本文按时间脉络综述 2007—2024 年 OpenIE 从规则、神经方法到预训练 LLM 的发展,梳理任务设置、数据集、评估指标,并指出未来方向。
2024-10-23 cs.CL
Neural Aspect and Opinion Term Extraction with Mined Rules as Weak Supervision
HKUST(香港科技大学)
基于神经网络的产品评论方面和观点词抽取的主要瓶颈是缺乏标注的训练数据。为了缓解这个问题,我们首先提出了一个算法,自动挖掘提取规则,从现有的训练样本的基础上依存句法分析的结果。然后将挖掘出的规则应用于标记大量辅助数据。最后,我们研究了训练过程,训练一个神经模型,该模型可以从规则自动标记的数据和少量人工精确标注的数据中学习。实验结果表明,虽然挖掘出的规则本身由于其有限的灵活性而表现不佳,但人类注释数据和规则标记辅助数据的组合可以改善神经模型,并使其实现比当前最先进的性能更好或与之相当的性能。
2019-07-07 cs.CL cs.LG stat.ML
A Comparative Study of Rule Extraction for Recurrent Neural Networks
McGill University(麦吉尔大学);Pennsylvania State University(宾夕法尼亚州立大学)
通过规则提取来理解递归网络有着悠久的历史。由于需要解释或验证神经网络,这已经引起了新的兴趣。表示有状态规则的一种基本形式是确定性有限自动机(DFA)。以往的研究表明,从训练好的二阶递归网络中提取DFA不仅是可能的,而且是相对稳定的。最近,几种新类型的递归网络与更复杂的架构已经推出。这些处理具有挑战性的学习任务,通常涉及序列数据。然而,它仍然是一个悬而未决的问题,是否可以充分地从这些模型中提取的DFA。具体来说,目前还不清楚当应用于在不同复杂程度的数据集上训练的不同递归网络时,DFA提取将受到什么影响。在这里,我们研究了几个被广泛采用的递归网络上的DFA提取,这些网络被训练来学习一组七个规则的Tomita文法。我们首先正式分析富田文法的复杂性,并根据复杂性对这些文法进行分类。然后,我们实证评估不同的递归网络的DFA提取的所有富田文法的性能。我们的实验表明,对于大多数递归网络,其提取性能随着底层语法复杂度的增加而降低。在较低复杂度的文法上,大多数递归网络获得了理想的提取性能。对于复杂度最高的语法,几个复杂的模型都失败了,只有某些递归网络具有令人满意的提取性能。
2018-11-14 cs.CL cs.LG
De Jure: Iterative LLM Self-Refinement for Structured Extraction of Regulatory Rules
The Vanguard Group, Inc.(先锋集团)
De Jure通过四个阶段自动提取结构化监管规则,无需人工标注或领域知识,提升监管文本处理的效率和可追溯性。
2026-04-02 cs.AI cs.CL cs.LG
Automated Extraction of Sentencing Decisions from Court Cases in the Hebrew Language
Bar-Ilan University(巴伊兰大学);The Hebrew University of Jerusalem(耶路撒冷希伯来大学)
我们提出的任务,自动惩罚提取(APE)在刑事法庭案件的判决希伯来语。解决APE将能够识别量刑模式,并构成希伯来语中许多后续法律NLP应用程序的重要垫脚石,包括预测量刑决定。我们策划了一个性侵犯量刑决定的数据集和一个手动注释的评估数据集,并实现了基于规则和监督的模型。我们发现,虽然监督模型可以识别包含惩罚的句子具有良好的准确性,但基于规则的方法在完整的APE任务上优于它们。最后,我们对我们数据集中的量刑模式进行了初步分析,并分析了常见模型的错误,指出了未来工作的方向,例如区分缓刑和实际监禁处罚。我们将根据要求提供所有资源,包括数据,注释和第一个基准模型。
2021-10-24 cs.CL
Comparing Feature Importance and Rule Extraction for Interpretability on Text Data
Université Côte d'Azur(坎特伯雷大学);Inria(法国国家信息与自动化技术研究院);CNRS(法国国家科学研究中心);LJAD(LJAD研究所);France(法国)
针对文本数据任务中机器学习可解释性需求,本文对比了特征重要性计算和逻辑规则提取两类局部可解释方法,发现即使在简单模型上不同方法的解释也存在意外差异,并提出了量化该差异的解释比较新方法。
2022-07-04 cs.AI cs.CL cs.LG
CofeNet: Context and Former-Label Enhanced Net for Complicated Quotation Extraction
Nanyang Technological University(南洋理工大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);Beijing Academy of Artificial Intelligence(北京人工智能研究院);Alibaba Group(阿里巴巴集团)
引文提取的目的是从书面文本中提取引文。引语有三个组成部分:来源是指引语的持有者,线索是触发词,内容是主体。现有的引文抽取解决方案主要利用基于规则的方法和序列标记模型。虽然基于规则的方法往往导致低召回,序列标记模型不能很好地处理复杂结构的报价。在本文中,我们提出了上下文和格式标签增强网络(CofeNet)的报价提取。CofeNet能够提取具有可变长度和复杂结构的组件的复杂报价。在两个公共数据集上(即,PolNeAR和Riqua)和一个专有数据集(即,PoliticsZH),我们证明了我们的CofeNet在复杂的报价提取上达到了最先进的性能。
2022-09-20 cs.AI cs.CL
LLMCloudHunter: Harnessing LLMs for Automated Extraction of Detection Rules from Cloud-Based CTI
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
针对现有开源云威胁情报分析自动化方法的不足,研究提出LLMCloudHunter框架,利用大语言模型从多模态OSCTI数据生成检测规则,在API调用、IoC提取及规则编译上表现优异。
2024-07-06 cs.CL cs.CR cs.LG
Aspect Extraction from E-Commerce Product and Service Reviews
De La Salle University(德拉萨大学)
本文提出了一种针对Taglish的综合方面提取流程,结合规则、LLM和微调技术,通过生成式LLM在隐式方面处理上取得高性能,展示了在混合语言环境中的ABSA增强能力。
2026-01-05 cs.CL cs.LG
Extraction of Sleep Information from Clinical Notes of Patients with Alzheimer's Disease Using Natural Language Processing
University of Pittsburgh(匹兹堡大学)
本研究利用自然语言处理技术从阿尔茨海默病患者临床笔记中自动提取睡眠信息,开发了基于规则、机器学习和LLM的方法,其中基于规则的算法在F1和PPV上表现最佳,为大规模睡眠-AD关联研究提供了高效工具。
2024-03-15 cs.AI cs.CL