Improving the Accuracy and Efficiency of Legal Document Tagging with Large Language Models and Instruction Prompts
University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
针对法律多标签分类面临的语言复杂、标签依赖及不平衡等挑战，提出Legal-LLM方法，将其重构为结构化生成任务并微调LLM，在两个基准数据集上优于多种基线模型，且在处理标签不平衡等方面有效。
2025-04-12 cs.CL
Tagging Scientific Publications using Wikipedia and Natural Language Processing Tools. Comparison on the ArXiv Dataset
Interdisciplinary Centre for Mathematical and Computational Modelling, University of Warsaw（华沙大学跨学科数学与计算建模中心）
在这项工作中，我们比较了两种简单的方法来标记科学出版物的标签反映其内容。作为第一源的标签维基百科被采用，第二标签集被构造从名词短语中出现的分析语料库。我们研究了这两种方法的统计特性和有效性的数据集上的摘要从0.7万的科学文件存放在ArXiv预印本集合。我们相信，所获得的标签可以在以后的各种机器学习任务（文档相似性，聚类，主题建模等）中作为有用的文档特征。
2014-11-03 cs.CL cs.DL
ProcTag: Process Tagging for Assessing the Efficacy of Document Instruction Data
College of Computer Science, Zhejiang University（浙江大学计算机科学学院）；Alibaba Group（阿里巴巴集团）
本文提出ProcTag方法，通过对指令执行过程而非文本进行标记来评估文档指令数据效用，并结合DocLayPrompt提示策略，实现高效采样，仅需30.5%指令即可达到完整数据集100%的效用。
2025-03-12 cs.CL cs.CV
Graph-Based Multilingual Label Propagation for Low-Resource Part-of-Speech Tagging
Center for Information and Language Processing (CIS), LMU Munich（慕尼黑大学信息与语言处理中心（CIS））；Université Paris-Saclay（巴黎萨克雷大学）；CNRS（法国国家科学研究中心）；LISN（LISN实验室）
词性标注是NLP管道的重要组成部分，但许多低资源语言缺乏用于训练的标记数据。在这种情况下，用于训练POS标注器的既定方法是通过从高资源语言转移来创建标记的训练集。在本文中，我们提出了一种新的方法，将标签从多个高资源源低资源的目标语言。我们正式POS标签投影为基于图的标签传播。给定一个句子在多种语言中的翻译，我们通过对齐所有语言对的单词来创建一个以单词为节点、对齐链接为边的图。然后，我们使用一个带有Transformer层的图神经网络将节点标签从源传播到目标。我们表明，我们的传播创建的训练集，使我们能够训练POS标记的一组不同的语言。当与增强的上下文嵌入相结合时，我们的方法实现了低资源语言的无监督POS标记的新的最先进技术。
2022-10-31 cs.CL
Context-Dependent Fine-Grained Entity Type Tagging
Google Inc.（谷歌公司）
实体类型标记是为文档中的每个实体引用分配类别标签的任务。虽然标准系统专注于一小部分类型，但最近的工作（Ling和Weld，2012）表明，使用大型细粒度标签集可以显著改善下游任务。在没有标记的训练数据的情况下，现有的细粒度标记系统使用从知识库中提取的解析实体及其类型自动获得示例。然而，由于适当的类型通常取决于上下文（例如，华盛顿可能被标记为城市或政府），因此该过程可能导致虚假标签，从而导致较差的泛化。我们提出了上下文相关的精细类型标记的任务，其中一个提到的可接受的标签集仅限于那些从本地上下文（例如句子或文档）推断。我们为这项任务引入了新的资源：12，017个引用注释了它们的上下文相关的精细类型，我们提供了这些数据的基线实验结果。
2016-08-01 cs.CL
GeoTextTagger: High-Precision Location Tagging of Textual Documents using a Natural Language Processing Approach
University of Waterloo（滑铁卢大学）；Monash University（莫纳什大学）；Spotzi Canada Ltd（Spotzi加拿大有限公司）
位置标记，也称为地理标记或地理定位，是将地理坐标分配给输入数据的过程。在本文中，我们提出了一个算法的位置标记的文本文件。我们的方法利用以前的工作在自然语言处理通过使用一个国家的最先进的部分的语音标签和命名实体识别器，找到块的文本可能涉及的位置。然后使用知识库（OpenStreatMap）来查找每个块的可能位置列表。最后，通过向每个位置分配基于距离的分数并重复选择具有最佳分数的位置和块，为每个块选择一个位置。我们用维基百科的文章测试了我们的地理定位算法，这些文章的作者对具有明确地理位置的主题进行了地理标记，其中分类方法的中位误差低至11公里，可达到的准确度受到类别大小的限制。我们的方法在我们使用的维基百科数据集上实现了490米的第10百分位误差和54公里的中位数误差。当考虑得分最高的五个位置标签时，50%的文章在作者指定的真实位置的8.5公里内至少分配了一个标签。我们还在Twitter消息上测试了我们的方法，这些消息标记了消息发送的位置。Twitter文本是具有挑战性的，因为它们很短，没有结构化，并且通常不包含与发送位置相关的单词，但我们获得了潜在有用的结果。我们解释了如何使用Spark数据分析框架来收集和处理我们的测试数据。一般来说，基于分类的位置标记方法可能会达到其准确性上限，但我们的精度为重点的方法对某些文本具有很高的准确性，并显示出显着的整体改进潜力。
2016-01-22 cs.AI cs.CL cs.DB
Enhancing Slot Tagging with Intent Features for Task Oriented Natural Language Understanding using BERT
Samsung R&D Institute（三星研发院）；Indian Institute of Technology（印度理工学院）
最近的联合意图检测和插槽标记模型与单独的模型相比，性能有所提高。在许多真实世界的数据集中，槽标签和值与其意图标签有很强的相关性。在这种情况下，意图标签信息可以充当槽标记模型的有用特征。在本文中，我们通过3种技术在联合意图和插槽检测模型的插槽标记任务中研究了利用意图标签特征的效果。我们在基准口语数据集SNIPS和ATIS以及大型私人Bixby数据集上评估了我们的技术，并观察到在最先进的模型上改进了插槽标记性能。
2022-05-23 cs.AI cs.CL
Automatic tagging of knowledge points for K12 math problems
East China Normal University（华东师范大学）
实践问题知识点的自动标注是试题库管理、提高教学自动化和智能化的基础。因此，研究面向实际问题的自动标注技术具有重要的现实意义。然而，目前对数学问题知识点自动标注的研究还很少。数学文本由于包含符号、公式等独特的元素，其结构和语义比一般文本更为复杂。因此，直接应用一般领域的文本分类技术难以满足知识点预测的精度要求。以K12数学题为研究对象，提出了基于标签语义注意和多标签平滑结合文本特征的LABS模型，以提高数学题知识点的自动标注。该模型结合了一般领域的文本分类技术和数学文本的特点。结果表明，使用标签语义注意或多标签平滑的模型在精度，召回率和F1分数指标上优于传统的BiLSTM模型，而使用两者的LABS模型表现最好。可以看出，标签信息可以引导神经网络从问题文本中提取有意义的信息，提高了模型的文本分类性能。此外，结合文本特征的多标签平滑可以充分挖掘文本和标签之间的关系，提高模型对新数据的预测能力，提高模型的分类精度。
2022-08-21 cs.CL
Few-shot Slot Tagging with Collapsed Dependency Transfer and Label-enhanced Task-adaptive Projection Network
Harbin Institute of Technology（哈尔滨工业大学）；Northwestern University（西北大学）；Alibaba Group（阿里巴巴集团）
在本文中，我们探讨了槽标记只有几个标记的支持句（a.k.a. Few-Shot）。与其他Few-Shot分类问题相比，Few-Shot槽标记面临着独特的挑战，因为它需要对标签之间的依赖关系进行建模。但是，由于标签集的差异，很难将先前学习的标签依赖应用于未见过的域。为了解决这个问题，我们在条件随机场（CRF）中引入了一个折叠依赖转移机制，以转移抽象标签依赖模式作为转换分数。在Few-Shot设置中，CRF的发射分数可以被计算为词与每个标签的表示的相似性。为了计算这种相似性，我们提出了一个标签增强的任务自适应投影网络（L-TapNet）的基础上，国家的最先进的Few-Shot分类模型- TapNet，利用标签名称语义表示标签。实验结果表明，我们的模型显着优于最强的少样本学习基线的14.64 F1分数在一次设置。
2020-06-10 cs.CL cs.LG
Sequence-to-Set Semantic Tagging: End-to-End Multi-label Prediction using Neural Attention for Complex Query Reformulation and Automated Text Categorization
The Ohio State University（俄亥俄州立大学）；Nationwide Children’s Hospital（全国儿童医院）
新颖的上下文可能经常出现在复杂的查询场景中，例如在涉及生物医学文献的循证医学（EBM）中，其可能不明确地指出现在任何基于事实或规则的知识源（例如，像UMLS的本体）中的实体或规范概念形式。此外，在当前上下文中有意义的候选概念之间的隐藏关联可能不存在于单个文档中，而是通过替代词汇形式存在于集合中。因此，受到最近序列到序列神经模型在广泛的NLP任务中提供最先进技术的成功的启发，我们开发了一种新的序列到集合框架，用于学习可以影响语料库内术语转移的文档表示，用于语义标记大量文档。我们证明了我们提出的方法在用于文本分类的监督多标签分类设置中以及在没有人类注释的文档标签的独特无监督设置中都是有效的，该设置不使用外部知识资源，只使用语料库派生的术语统计来驱动训练。此外，我们表明，使用我们的架构对大量未标记数据进行半监督训练，可以在有限的标记数据可用时提高文本分类任务的性能。我们的方法来生成文档编码，采用我们的序列到集合模型来推断语义标签，根据我们所知，在基于Okapi BM 25的文档检索系统上评估时，为TREC CDS 2016挑战数据集提供了最先进的无监督查询扩展任务;以及MLTM基线（Soleimani et al，2016），用于www.example.com和Ohsumed数据集上的监督和半监督多标签预测任务del.icio.us。我们将公开我们的代码和数据。
2019-11-11 cs.CL cs.IR cs.LG
Sentiment Tagging with Partial Labels using Modular Architectures
Purdue University（普渡大学）
许多NLP学习任务可以分解为几个不同的子任务，每个子任务与部分标签相关联。在本文中，我们专注于一类流行的学习问题，序列预测应用于几个情感分析任务，并提出了一个模块化的学习方法，其中不同的子任务学习使用单独的功能模块，结合起来执行最终的任务，同时共享信息。我们的实验表明，这种方法有助于约束学习过程，并可以减轻一些监督工作。
2019-06-04 cs.CL cs.LG
Item Tagging for Information Retrieval: A Tripartite Graph Neural Network based Approach
Tsinghua University（清华大学）；Pengcheng Lab（鹏城实验室）
标注是提高信息检索相关性匹配的一种有效方法，特别是在文本描述不丰富的情况下。无论是多标签文本分类还是图像标注，都已经有了大量的研究。然而，有一个缺乏公开发表的工作，在项目标记专门为IR。直接应用传统的多标签分类模型项目标记是次优的，由于在IR的独特特性的无知。在这项工作中，我们建议制定项目标记项目节点和标签节点之间的链接预测问题。为了丰富条目的表示，我们利用IR任务中可用的查询日志，并构建了一个查询-条目-标签三方图。该公式化产生了利用具有多种类型的节点和边的异构图神经网络的TagGNN模型。与以往的研究不同，我们还优化了完整的标签预测和部分标签完成的情况下，在一个统一的框架，通过一个主要的双重损失机制。在开放和工业数据集上的实验结果表明，我们的TagGNN方法优于最先进的多标签分类方法。
2020-08-26 cs.CL cs.IR cs.LG
Constructing Artificial Data for Fine-tuning for Low-Resource Biomedical Text Tagging with Applications in PICO Annotation
University College London（伦敦大学学院）；AIG（美国国际集团）
生物医学文本标记系统受到标记训练数据缺乏的困扰。最近已经尝试使用预先训练的编码器来处理这个问题。预训练的编码器提供输入文本的表示，然后将其馈送到特定于任务的层进行分类。整个网络根据来自目标任务的标记数据进行微调。不幸的是，一个低资源的生物医学任务往往有太少的标记的例子，令人满意的微调。此外，如果标签空间很大，则对于大多数标签，它包含很少或不包含带标签的实例。大多数生物医学标记系统将标签视为索引，忽略了这些标签通常是以自然语言表达的概念的事实，例如"脑成像上病变的外观"。为了解决这些问题，我们建议使用标签文本（即标签的名称）作为相应的标签索引（即标签的索引）的输入来构建额外的标签实例。事实上，我们提出了一些策略，从一个标签制造多个人工标记的实例。然后，网络在真实和这些新构建的人工标记实例的组合上进行微调。我们评估了一个重要的低资源生物医学任务称为\textit{PICO annotation}，这需要标记原始文本描述临床试验与标签对应的不同方面的试验，即PICO（人群，干预/对照，结果）的试验特征。我们的实证结果表明，所提出的方法实现了一个新的国家的最先进的性能PICO注释与竞争对手的基线非常显着的改善。
2020-01-14 cs.CL cs.LG stat.ML
Multi-Document Financial Question Answering using LLMs
Anvai AI（安维人工智能）
提出两种多文档金融问答方法RAG_SEM和KG_RAG，通过语义标注与知识图谱检索上下文，实验证明两者均显著优于普通RAG。
2024-11-08 cs.CL cs.IR
Low Resource Multi-Task Sequence Tagging -- Revisiting Dynamic Conditional Random Fields
University of Bristol（布里斯托尔大学）；Technische Universität Darmstadt（达姆施塔特工业大学）
我们比较了不同的模型低资源多任务序列标记，利用不同任务的标签序列之间的依赖关系。我们的分析针对的是每个示例都有多个任务标签的数据集。当前的方法要么为每个任务使用单独的模型，要么使用标准的多任务学习来学习共享的特征表示。然而，这些方法忽略了标签序列之间的相关性，这可以在具有小训练数据集的设置中提供重要信息。为了分析哪些场景可以从不同任务中的标签之间的依赖关系建模中获益，我们重新审视了动态条件随机场（CRF），并将其与深度神经网络相结合。我们比较了单任务，多任务和动态CRF设置三个不同的数据集在句子和文档水平在英语和德语低资源的情况下。我们表明，将来自预训练词性标记器的银色标签作为辅助任务可以提高下游任务的性能。我们发现，特别是在低资源的情况下，任务预测之间的相互依赖关系的显式建模优于单任务以及标准的多任务模型。
2020-05-01 cs.CL
Boosting Span-based Joint Entity and Relation Extraction via Squence Tagging Mechanism
National University of Defense Technology（国防科技大学）
基于跨度的联合抽取以文本跨度的形式同时进行命名实体识别和关系抽取。最近的研究表明，令牌标签可以传达关键的特定于任务的信息和丰富的令牌语义。然而，据我们所知，由于完全放弃了序列标记机制，所有基于跨度的工作都没有使用令牌标签信息。为了解决这个问题，我们提出了序列标记增强的基于跨度的网络（Sequence Tagging enhancedSpan-based Network，STSN），它是一种基于跨度的联合抽取网络，通过从基于序列标记的NER中获得令牌BIO标签信息来增强。通过将多个注意力层进行深度叠加，设计了一种深度神经架构来构建STSN，每个注意力层由三个基本注意力单元组成。深度神经架构首先学习标记标签的语义表示和基于跨度的联合抽取，然后构建它们之间的信息交互，从而实现基于跨度的NER和RE之间的双向信息交互。此外，我们扩展了BIO标记方案，使STSN可以提取重叠实体。在三个基准数据集上的实验表明，我们的模型始终优于以前的最佳模型，创造了新的最先进的结果。
2022-07-16 cs.CL
Sequence-Based Extractive Summarisation for Scientific Articles
Elsevier Ltd（爱思唯尔有限公司）
本文介绍了科学文章的监督提取文本摘要的研究结果。我们表明，一个简单的顺序标记模型的基础上，只有在一个文档中的文本实现了高的结果对一个简单的分类模型。可以通过额外的高级功能来实现改进，尽管这些功能是最小的。通过进一步的分析，我们展示了依赖于文档结构的顺序模型的潜力，该文档结构取决于文档来自的学科。
2022-04-07 cs.CL cs.IR
Vector Projection Network for Few-shot Slot Tagging in Natural Language Understanding
Shanghai Jiao Tong University（上海交通大学）
由于会话对话系统的巨大发展，Few-Shot槽标记变得对快速域转移和适应有吸引力。在本文中，我们提出了一个矢量投影网络的Few-Shot槽标记，利用投影的上下文词嵌入每个目标标签向量作为词标签的相似性。本质上，这种方法相当于具有自适应偏差的归一化线性模型。对比实验表明，我们提出的基于向量投影的相似性度量可以显着优于其他变种。具体来说，在基准SNIPS和NER的五次设置中，我们的方法分别通过F $_1$分数上的$6.30$和$13.79$点优于最强的少样本学习基线。我们的代码将在https://github.com/sz128/few_shot_slot_tagging_and_NER上发布。
2020-09-22 cs.CL
Hybrid Generative-Tagging Decoding for Efficient Product Attribute-Value Extraction
Amazon（亚马逊）
针对电商产品属性-值抽取的痛点，提出混合生成-标记解码模型，结合标记与生成策略，在不损失精度的前提下提升属性覆盖、正确对数量并降低延迟。
2026-10-16 cs.CL
A Unified Tagging Solution: Bidirectional LSTM Recurrent Neural Network with Word Embedding
Shanghai Jiao Tong University（上海交通大学）；Microsoft Research Asia（微软亚洲研究院）；Educational Testing Service Research（教育考试服务中心研究院）
双向长短期记忆循环神经网络（BLSTM-RNN）已被证明是非常有效的建模和预测序列数据，例如语音话语或手写文档。在这项研究中，我们建议使用BLSTM-RNN的统一标记解决方案，可应用于各种标记任务，包括词性标记，组块和命名实体识别。我们的解决方案并没有针对每项任务仔细优化特定的特征，而是只使用一组与任务无关的特征和从所有任务的未标记文本中学习到的内部表示。我们的方法不需要特定于任务的知识或复杂的特征工程，在所有这三个标记任务中，我们的方法都获得了接近最先进的性能。
2015-11-01 cs.CL
Part-of-Speech Tagging with Bidirectional Long Short-Term Memory Recurrent Neural Network
Shanghai Jiao Tong University（上海交通大学）；Microsoft Research Asian（微软亚洲研究院）；Educational Testing Service Research（美国教育考试服务中心研究院）
双向长短期记忆循环神经网络（BLSTM-RNN）已被证明是非常有效的标记序列数据，例如语音话语或手写文档。而词嵌入作为表征自然语言统计特性的一种有力手段，已经得到了广泛的应用。在这项研究中，我们提出了使用BLSTM-RNN与词嵌入的词性（POS）标注任务。在Penn Treebank WSJ测试集上进行测试时，达到了97.40的标记准确率。在不使用形态特征的情况下，该方法也可以达到与Stanford POS标注器相媲美的良好性能。
2015-10-21 cs.CL
Span-based joint entity and relation extraction augmented with sequence tagging mechanism
National University of Defense Technology（国防科技大学）
基于跨度的联合抽取以文本跨度的形式同时进行命名实体识别和关系抽取。然而，由于以前的基于跨度的模型依赖于跨度级别的分类，它们不能受益于标记级别的标签信息，这已被证明有利于任务。在本文中，我们提出了一个序列标记增强的跨度为基础的网络（STSN），一个基于跨度的联合模型，可以利用令牌级的标签信息。在STSN中，我们通过深度堆叠多个注意层来构建核心神经架构，每个注意层由三个基本注意单元组成。该核心架构一方面通过序列标记机制学习标记级标签信息，并将其用于基于跨度的联合抽取;另一方面在NER和RE之间建立双向信息交互。在三个基准数据集上的实验结果表明，STSN在F1方面始终优于最强的基线，创造了新的最先进的结果。
2022-10-23 cs.CL
Semi-supervised sequence tagging with bidirectional language models
Allen Institute for Artificial Intelligence（艾伦人工智能研究院）
从未标记文本中学习的预训练词嵌入已成为NLP任务的神经网络架构的标准组件。然而，在大多数情况下，对单词级表示进行操作以产生上下文敏感表示的递归网络是在相对较少的标记数据上训练的。在本文中，我们展示了一种通用的半监督方法，用于将来自双向语言模型的预训练上下文嵌入添加到NLP系统中，并将其应用于序列标记任务。我们评估我们的模型在两个标准的数据集命名实体识别（NER）和分块，并在这两种情况下实现最先进的结果，超过以前的系统，使用其他形式的转移或联合学习与额外的标记数据和任务特定的地名词典。
2017-04-29 cs.CL
Automated Prediction of Temporal Relations
背景资料：自动回答问题或生成自由形式文本摘要（如新闻文章）的研究兴趣越来越大。为了实现这一任务，计算机应该能够识别事件的顺序、事件的持续时间、事件发生的时间以及事件对、时间对或事件-时间对之间的关系类型。具体问题：在定义事件的时间顺序之前，准确地识别事件和时间的组合之间的关系类型是很重要的。在Mani et. al（2006）提供的时间银行基线数据的准确度仅为62.5。研究人员在他们的方法中使用了最大熵分类器。TimeML使用TLINK注释来标记事件和时间之间的关系类型。在使用人工注释的TLINK标记文档时，时间复杂度是二次方。本研究提出利用决策树与句法分析来改进关系类型标注。本研究试图通过自动化关系类型标注任务来解决人工标注的差距，以提高标注文档中事件和时间关系的准确性。范围信息：将使用来自新闻领域的文档。标记将在同一文档内执行，而不是跨文档执行。关系类型将仅针对一对事件和时间而不是事件链来标识。研究重点是使用TimeML规范标记的文档，该规范包含EVENT、TLINK和TIMEX等标记。每个标签具有诸如标识符、关系、POS、时间等属性。
2016-07-22 cs.AI cs.CL
Deep or Simple Models for Semantic Tagging? It Depends on your Data [Experiments]
Megagon Labs（Megagon Labs（Megagon实验室））
语义标记在文本挖掘中有着广泛的应用，它预测给定的文本是否传达了给定的语义标记的含义。语义标记的问题在很大程度上是通过监督学习来解决的，而今天，深度学习模型被广泛认为更适合语义标记。然而，没有全面的研究支持流行的信念。实践者经常必须为每个语义标记任务训练不同类型的模型以识别最佳模型。这个过程既昂贵又低效。我们开始了一项系统的研究，以调查以下问题：深度模型是所有语义标记任务的最佳执行模型吗？为了回答这个问题，我们将深度模型与具有不同特征的数据集上的“简单模型”进行比较。具体来说，我们选择了三种流行的深度模型（即CNN，LSTM和BERT）和两种简单模型（即LR和SVM），并比较了它们在21个数据集上的语义标记任务的性能。结果表明，数据集的大小，标签比例和标签清洁度显着影响语义标注的质量。简单模型在大型数据集上实现了与深度模型相似的标记质量，但简单模型的运行时间要短得多。此外，当目标数据集显示更差的标签清洁度和/或更严重的不平衡时，简单模型可以实现比深度模型更好的标记质量。基于这些发现，我们的研究可以系统地指导从业者选择正确的学习模式，他们的语义标记任务。
2020-10-08 cs.CL cs.DB cs.LG
Better, Faster, Stronger Sequence Tagging Constituent Parsers
Universidade da Coruña, CITIC（拉科鲁尼亚大学，CITIC）；University of Copenhagen（哥本哈根大学）
用于成分分析的序列标记模型比其他类型的分析器更快，但准确性较差。在这项工作中，我们解决了以下弱点，这样的成分解析器：（a）高出错率关闭括号长成分，（b）大标签集，导致稀疏性，和（c）错误传播所产生的贪心解码。为了有效地关闭括号，我们训练了一个学习在标记方案之间切换的模型。为了减少稀疏性，我们分解标签集，并使用多任务学习来联合学习预测子标签。最后，我们通过辅助损失和带有策略梯度的缓存级微调来缓解贪心解码的问题。结合这些技术，我们显然超过了英语和中文Penn Treebanks上的序列标记成分解析器的性能，并进一步减少了它们的解析时间。在SPMRL数据集上，我们观察到全面的更大改进，包括巴斯克语，希伯来语，波兰语和瑞典语的最新技术水平。
2019-10-14 cs.CL
TartuNLP at SemEval-2025 Task 5: Subject Tagging as Two-Stage Information Retrieval
Institute of Computer Science University of Tartu（计算机科学研究所塔尔图大学）
针对 SemEval-2025 任务 5 的图书馆主题标签分配问题，提出基于双编码器与交叉编码器的两阶段信息检索系统，显著提升了召回率并取得有竞争力的结果。
2025-04-30 cs.CL
Multilingual Part-of-Speech Tagging with Bidirectional Long Short-Term Memory Models and Auxiliary Loss
University of Groningen（格罗宁根大学）；University of Copenhagen（哥本哈根大学）；Bar-Ilan University（巴伊兰大学）
双向长短期记忆（bi-LSTM）网络最近被证明可以成功地用于各种NLP序列建模任务，但对其对输入表示、目标语言、数据集大小和标签噪声的依赖性知之甚少。我们解决这些问题，并评估双LSTM与字，字符和Unicode字节嵌入POS标记。我们比较双LSTM跨语言和数据大小的传统POS标记。我们还提出了一种新的双LSTM模型，它将POS标记损失函数与一个辅助损失函数相结合，该函数用于解释罕见单词。该模型在22种语言中获得了最先进的性能，尤其适用于形态复杂的语言。我们的分析表明，双LSTM对训练数据大小和标签损坏（在小噪声水平下）的敏感性低于以前的假设。
2016-07-21 cs.CL
Quality-Aware Translation Tagging in Multilingual RAG system
Yonsei University（延世大学）；University of Ulsan College of Medicine（釜山大学医学院）；LG Electronics, Toronto AI Lab（LG电子，多伦多AI实验室）
提出QTT-RAG，通过评估翻译质量并附加分数元数据，提升多语言RAG在低资源场景下的响应生成性能，优于现有基线。
2025-10-27 cs.AI cs.CL
Financial Numeric Extreme Labelling: A Dataset and Benchmarking for XBRL Tagging
Indian Institute of Technology, Kharagpur（印度理工学院克勒格布尔分校）；Goldman Sachs（高盛集团）
本文针对 SEC 财务报表中数字片段的 XBRL 标签自动分配问题，构建含 2,794 个标签的 FNXL 数据集，并比较序列标注与“抽取+极端分类”流水线，后者在低频标签上略优。
2023-06-06 cs.AI cs.CE cs.CL
Evaluating the Utility of Document Embedding Vector Difference for Relation Learning
最近的工作表明，通过减去预训练的词嵌入向量获得的向量偏移量可以用于预测词汇关系，具有惊人的准确性。受这一发现的启发，在本文中，我们将这个想法扩展到文档级，生成文档级嵌入，计算它们之间的距离，并使用线性分类器对文档之间的关系进行分类。在重复检测和对话行为标记任务的背景下，我们表明，文档级差异向量在评估文档级相似性方面具有实用性，但在多关系分类中表现不佳。
2019-07-18 cs.CL
UCPhrase: Unsupervised Context-aware Quality Phrase Tagging
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of California San Diego（加州大学圣地亚哥分校）
从上下文中识别和理解高质量短语是文本挖掘的一项基本任务。这项任务中最具挑战性的部分可以说是不常见的，新兴的和特定领域的短语。这些短语的不频繁性质显著损害了依赖于输入语料库中足够的短语出现的短语挖掘方法的性能。上下文感知的标记模型，虽然不受频率的限制，但在很大程度上依赖于领域专家的大规模高级黄金标签或手工制作的地名录。在这项工作中，我们提出了UCPhrase，一种新的无监督的上下文感知质量短语标签。具体来说，我们诱导高质量的短语跨度作为银标签，从一致的共同出现的单词序列在每个文件。与基于现有知识库的典型上下文无关远程监督相比，我们的银标签深深扎根于输入域和上下文，从而在保持上下文完整性和捕获新兴的KB短语方面具有独特的优势。训练基于银标签的传统神经标记器通常面临过度拟合短语表面名称的风险。或者，我们观察到，从基于transformer的神经语言模型生成的上下文注意力地图有效地揭示了单词之间的连接，在表面不可知的方式。因此，我们将这种注意力图与银色标签配对，以训练轻量级跨度预测模型，该模型可以应用于新输入以识别（看不见的）质量短语，而不管它们的表面名称或频率。在各种任务和数据集上进行的彻底实验，包括语料库级短语排名，文档级关键短语提取和文档级短语标记，证明了我们的设计优于最先进的预训练，无监督和远程监督方法。
2021-05-28 cs.CL
Hierarchical Bracketing Encodings for Dependency Parsing as Tagging
Universidade da Coruña, CITIC（乌拉圭科鲁纳大学，CITIC）；Tampere University, Math. Res. Centre, Computing Sciences（塔尔基大学，数学研究中心，计算科学）；University of Helsinki, Faculty of Arts, Digital Humanities（赫尔辛基大学，人文学院，数字人文）
提出基于分层括号的序列标注依存解析编码，证明现有4位投影编码非最优，推导出仅用12标签的最优编码并扩展支持非投影性，在多树库上取得竞争性准确率。
2025-07-10 cs.CL
Larger-Context Tagging: When and Why Does It Work?
Fudan University（复旦大学）；Carnegie Mellon University（卡内基梅隆大学）
神经网络和预训练技术的发展催生了许多在典型基准测试中实现卓越性能的高级标记系统。然而，一个相对较少讨论的话题是，如果更多的上下文信息被引入到当前得分最高的标记系统。虽然一些现有的作品已经试图将标记系统从文档级转移到文档级，但是关于何时以及为什么它起作用仍然没有一致的结论，这限制了大上下文方法在标记任务中的适用性。在本文中，我们不是通过架构探索来追求最先进的标记系统，而是专注于调查何时以及为什么大背景训练作为一种通用策略可以工作。为此，我们对四个用于收集上下文信息的聚合器进行了深入的比较研究，并提出了一种属性辅助评估方法来解释更大的上下文训练所带来的改进。在实验中，我们建立了一个基于四个标记任务和十三个数据集的测试床。希望我们的初步观察能加深对大语境训练的理解，并启发更多关于语境信息使用的后续工作。
2021-04-09 cs.CL
Improving part-of-speech tagging via multi-task learning and character-level word representations
ABBYY（ABBYY公司）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）
在本文中，我们探讨了如何提高POS标记使用各种类型的辅助损失和不同的词表示。作为基线，我们使用了BiLSTM标签器，它能够在序列标签任务上实现最先进的结果。提出了一种基于前向神经网络的字符级词表示方法。这种表示在模型的速度和性能方面给了我们更好的结果。我们还应用了一种新的技术，用现有的词向量来预训练这种词表示。最后，我们为序列标签任务设计了一种新的辅助损失变体：对相邻标签的额外预测。这种损失迫使模型学习标签序列中的依赖关系，并加速训练过程。我们测试这些方法对英语和俄语。
2018-07-02 cs.AI cs.CL cs.LG
Inverse is Better! Fast and Accurate Prompt for Few-shot Slot Tagging
Harbin Institute of Technology（哈尔滨工业大学）
近年来，学习方法在少样本学习中取得了令人瞩目的成功。这些方法用提示句段修改输入样本，并解码标签标记以将样本映射到相应的标签。然而，这样的范例对于槽标记的任务是非常低效的。由于槽标记样本是一个句子中的多个连续的单词，提示方法必须枚举所有的n-gram标记跨度来找到所有可能的槽，这大大降低了预测速度。为了解决这个问题，我们引入了一个反向范式的提示。与经典的将标记映射到标签的提示不同，我们可以根据给定的插槽类型来预测插槽值。这种反向提示仅需要对每个时隙类型进行一轮预测，并且大大加快了预测速度。此外，我们提出了一种新的迭代预测策略，模型通过考虑不同时隙类型之间的关系来学习改进预测。我们发现，有点令人惊讶的是，所提出的方法不仅预测速度更快，而且显着提高了效果（在10次拍摄设置上提高了6.1 F1分数），并实现了新的最先进的性能。
2022-04-02 cs.AI cs.CL
Sparse Coding of Neural Word Embeddings for Multilingual Sequence Labeling
University of Szeged（塞格德大学）
在本文中，我们提出并仔细评估了一个序列标签框架，它只利用稀疏的指示器功能来自密集的分布式字表示。所提出的模型获得（近）国家的最先进的性能，为各种语言的词性标注和命名实体识别。我们的模型仅依赖于几千个稀疏编码衍生的特征，而不对用于不同任务的单词表示进行任何修改。该模型具有良好的泛化性能，当在总可用训练数据的1.2%，即~每种语言150句。
2016-12-21 cs.CL
TagRec: Automated Tagging of Questions with Hierarchical Learning Taxonomy
Indraprastha Institute of Information Technology, Delhi（德里英德拉普拉斯塔信息技术学院）
在线教育平台根据分层学习分类（主题-章节-主题）组织学术问题。使用现有分类法自动标记新问题将有助于将这些问题组织到分层分类法的不同类别中，以便可以基于章节等方面进行搜索。这个任务可以被公式化为一个扁平的多类分类问题。通常，基于平面分类的方法忽略了分层分类法中的术语与问题之间的语义相关性。一些传统的方法也遭受类不平衡的问题，因为他们只考虑叶节点，忽略了层次结构。因此，我们制定了一个基于相似性的检索任务，我们优化的分类和问题之间的语义相关性的问题。我们证明，我们的方法有助于处理看不见的标签，因此可以用于分类标记在野外。在这种方法中，我们用相应的答案来增强问题，以捕获更多的语义信息，然后将问题-答案对的上下文嵌入与相应的标签（分类）向量表示对齐。通过用损失函数微调基于Transformer的模型来对齐表示，所述损失函数是余弦相似性和铰链秩损失的组合。损失函数最大化问题-答案对与正确标签表示之间的相似性，并最小化与不相关标签的相似性。最后，我们在两个真实世界的数据集上进行了实验。我们表明，所提出的学习方法比使用多类分类方法和其他最先进的方法学习的表示的性能高出6%，如Recall@k所测量的。我们还展示了所提出的方法在看不见但相关的学习内容上的性能，如学习目标，而无需重新训练网络。
2021-07-03 cs.CL
KPI Extraction from Maintenance Work Orders -- A Comparison of Expert Labeling, Text Classification and AI-Assisted Tagging for Computing Failure Rates of Wind Turbines
Fraunhofer Institute for Energy Economics and Energy System Technology（弗劳恩霍夫能源经济与能源系统技术研究所）；National Institute for Standards and Technology（美国国家标准与技术研究院）
本文比较专家标注、文本分类和 AI 辅助标注三种维护工单 KPI 提取方法，验证其在风力涡轮机故障率与可靠性分析中的准确率和效率。
2023-12-06 cs.CL cs.LG
Interpretable Low-Rank Document Representations with Label-Dependent Sparsity Patterns
Rudjer Boskovic Institute（鲁杰尔·博什科维奇研究所）
在文档分类的上下文中，其中在文档的语料库中，它们的标签标签是容易知道的，机会在于利用标签信息来学习具有更好的区分属性的文档表示空间。为此，在本文中，应用变分贝叶斯监督非负矩阵分解（监督vbNMF）与标签驱动的稀疏结构的系数提出了歧视性的非减法潜在语义成分发生在TF-IDF文档表示的学习。约束是这样的，追求的组件是经常出现在一个小的标签集，使其有可能产生独特的标签特定的稀疏激活模式的文档表示。一个简单的措施，这种稀疏结构的质量，被称为标签间稀疏性，介绍和实验紧密联系的分类性能。代表一个很大的实际方便，标签间稀疏性被证明是很容易控制在监督的vbNMF由一个单一的参数。
2014-07-25 cs.CL cs.IR cs.LG
Weakly Supervised Named Entity Tagging with Learnable Logical Rules
University of California San Diego（加州大学圣地亚哥分校）；Bosch Research North America（博世北美研究院）；Bosch Research（博世研究院）
本文研究了在弱监督的情况下，使用少量规则建立实体标注系统的问题。以前的方法主要集中在基于上下文和专家提供的规则消除歧义的实体类型，而假设实体跨度是给定的。在这项工作中，我们提出了一种新的方法TALLOR，引导高质量的逻辑规则训练神经标签在一个完全自动化的方式。具体来说，我们引入了由简单规则组成的复合规则，以提高边界检测的精度，并生成更多样化的伪标签。我们进一步设计了一个动态标签选择策略，以确保伪标签的质量，从而避免过拟合的神经标签。在三个数据集上的实验表明，我们的方法优于其他弱监督方法，甚至可以与最先进的远程监督标记器相媲美，该标记器从20个简单规则开始时拥有超过2,000个术语。我们的方法可以作为一种工具，在新兴领域和任务中快速构建标记。案例研究表明，学习的规则可以潜在地解释预测的实体。
2021-07-05 cs.AI cs.CL
Label-Wise Document Pre-Training for Multi-Label Text Classification
Center of Intelligence Science and Technology, Beijing University of Posts and Telecommunications（北京邮电大学智能科学与技术中心）
多标签文本分类（MLTC）的一个主要挑战是刺激性地利用可能的标签差异和标签相关性。在本文中，我们通过开发Label-Wise Pre-Training（LW-PT）方法来解决这一挑战，以获得具有标签感知信息的文档表示。其基本思想是，多标签文档可以表示为多个标签表示的组合，并且相关标签总是在相同或相似的文档中共存。LW-PT通过构建标签式文档分类任务和训练标签式文档编码器来实现这一思想。最后，预训练的标签式编码器通过下游MLTC任务进行微调。大量的实验结果表明，该方法具有显着的优势，比以前的国家的最先进的模型，能够发现合理的标签关系。该代码的发布是为了方便其他研究人员。
2020-08-15 cs.CL
GEDIT: Geographic-Enhanced and Dependency-Guided Tagging for Joint POI and Accessibility Extraction at Baidu Maps
Baidu Inc.（百度公司）；Research Center for Social Computing and Information Retrieval, Harbin Institute of Technology（哈尔滨工业大学社会计算与信息检索研究中心）
提供兴趣点（POI）的及时可访问性提醒在提高用户查找地点和做出访问决策的满意度方面起着至关重要的作用。然而，由于业务变化的动态性质，很难使POI数据库与真实世界的对应物保持同步。为了缓解这个问题，我们制定并提出了一个切实可行的解决方案，共同提取POI提到，并确定其耦合的无障碍标签从非结构化文本。我们将此任务视为序列标记问题，目标是从非结构化文本中生成<POI名称，可访问性标签>对。这个任务是具有挑战性的，因为有两个主要问题：（1）POI名称通常是新创造的单词，以便成功地注册新的实体或品牌，以及（2）文本中可能存在多个对，这需要处理一对多或多对一的映射，以使每个POI与其可访问性标签相耦合。为此，我们提出了一个地理增强和依赖性引导的序列标记（GEDIT）模型，同时解决这两个挑战。首先，为了缓解挑战1，我们开发了一个地理增强的预训练模型来学习文本表示。其次，为了减轻挑战#2，我们应用关系图卷积网络来从解析的依赖树学习树节点表示。最后，我们构建了一个神经序列标记模型，通过集成和馈送先前预先学习的表示到CRF层。在真实数据集上进行的大量实验证明了GEDIT的优越性和有效性。此外，它已经部署在百度地图的生产中。统计数据表明，在处理相同数量的文档时，该解决方案可以节省大量的人力和劳动力成本，是一种实用的POI可访问性维护方法。
2021-08-20 cs.CL
STAGEET: Stage-wise Typed Edit Tagging for Grammatical Error Correction with Arabic as a Case Study
School of Foreign Languages, Peking University（北京大学外国语学院）
本文提出STAGEET分阶段类型化编辑标记框架，以阿拉伯语为案例，在QALB-2014等数据集上实现了语法纠错的最优性能，同时提升了修正过程的可解释性。
2026-09-01 cs.AI cs.CL
Incremental Active Opinion Learning Over a Stream of Opinionated Documents
Swedish Institute of Computer Science (SICS Swedish ICT)（瑞典计算机科学研究所（SICS瑞典信息与通信技术研究院））；Ludwig-Maximilians University（路德维希-马克西米利安大学）；Otto-von-Guericke University（奥托·冯·格里克大学）
从自认为的文档（如tweets或产品评论）中学习的应用程序面临两个挑战。首先，固执己见的文件构成了一个不断发展的流，其中作者的态度和词汇本身可能会发生变化。其次，文档的标签是稀缺的，单词的标签是不可靠的，因为一个词的情感取决于作者心中的（未知的）上下文。大多数关于在固执己见的流上进行挖掘的研究都集中在问题的第一个方面，而对于第二个方面，则假设流中的标签持续供应。这样的假设是乌托邦式的，因为流是无限的，标签成本是禁止的。为此，我们研究了主动流学习算法的潜力，要求标签的需求。我们提出的ACOSTREAM 1方法只适用于有限的标签：它使用标记文档的初始种子，偶尔会向人类专家请求文档的额外标签，并在利用可用标记文档的同时逐渐适应底层流。在其核心，ACOSTREAM由一个MNB分类器加上“采样”策略，为新的未标记的文档请求类标签。在实验中，我们通过改变以下参数来评估分类器随时间的性能：（a）固执己见流的类分布，同时假设词汇表中的单词集是固定的，但它们的极性可能会随着类分布而变化;以及（b）每个时刻到达的未知单词的数量，而类极性也可能会变化。我们的研究结果表明，主动学习流的意见，文件，提供了良好的性能，而需要一个小的选择标签
2015-09-03 cs.CL cs.IR cs.LG
BERT got a Date: Introducing Transformers to Temporal Tagging
文本中的时间表达式在语言理解中起着重要的作用，正确识别它们是各种检索和自然语言处理系统的基础。以前的工作已经慢慢地从基于规则的架构转向神经架构，能够以更高的准确度标记表达式。然而，神经模型还不能区分不同的表达类型，在同一水平上，他们的基于规则的同行。在这项工作中，我们的目标是确定最合适的Transformer架构的联合时间标记和类型分类，以及调查的效果，半监督训练这些系统的性能。基于我们的令牌分类变量和编码器-解码器架构的研究，我们提出了一个Transformer编码器-解码器模型使用的RoBERTa语言模型作为我们的最佳性能系统。通过使用基于规则的系统的弱标记数据补充训练资源，我们的模型在时间标记和类型分类方面超越了以前的工作，特别是在稀有类上。我们的代码和预先训练的实验可在https://github.com/satya77/Transformer_Temporal_Tagger上获得
2022-01-24 cs.CL
Gated Task Interaction Framework for Multi-task Sequence Tagging
Ulster University（阿尔斯特大学）
最近的研究表明，神经模型可以在几个序列标记/标签问题上实现高性能，而无需显式使用语言特征，如词性（POS）标签。这些模型仅使用字符级和词嵌入向量作为输入来训练。其他人已经表明，语言特征可以提高神经模型在组块和命名实体识别（NER）等任务上的性能。然而，性能的变化取决于语言特征和目标任务之间的语义相关程度;在某些情况下，语言特征可能会对性能产生负面影响。本文提出了一种方法来共同学习这些语言特征，以及目标序列标记任务与一个新的多任务学习（MTL）框架称为门控任务交互（GTI）网络解决多个序列标记任务。GTI网络通过神经门模块利用多个任务之间的关系。这些门模块控制不同任务之间的信息流。在用于组块和NER的基准数据集上的实验表明，我们的框架在有和没有外部训练资源的情况下训练的性能优于其他竞争基线。
2019-09-29 cs.CL cs.LG stat.ML
A weakly supervised sequence tagging and grammar induction approach to semantic frame slot filling
University of Antwerp（安特卫普大学）；TEXTGAIN
本文介绍了语义框架槽填充的命令和控制任务，使用弱监督的方法继续工作。我们研究了使用再训练技术的优点，该技术将分层隐马尔可夫模型的输出作为两种归纳方法的输入：（1）基于条件随机场和基于记忆的学习的判别序列标记器和（2）概率上下文无关文法归纳。实验结果表明，这种设置可以显着提高F分数，而不需要额外的信息源。此外，定性分析表明，弱监督技术是能够自动诱导一个易于解释和语法适当的领域和任务在手的语法。
2019-06-15 cs.CL
The Effect of Metadata on Scientific Literature Tagging: A Cross-Field Cross-Model Study
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究跨19个领域和3种多标签分类器系统评估了元数据对科学文献标注的影响，发现会议/期刊等元数据普遍提升标注性能，并揭示了计算机科学与生物医学以外领域的独特影响模式。
2023-02-07 cs.CL cs.DL cs.LG
SenTag: a Web-based Tool for Semantic Annotation of Textual Documents
European University Institute（欧洲大学学院）；University of Padova（帕多瓦大学）
在这项工作中，我们提出了SenTag，一个轻量级的基于Web的工具，专注于文本文档的语义注释。该平台允许多个用户处理文档语料库。该工具能够通过采用可扩展置标语言（XML）作为输出格式的直观和易于使用的用户界面来标记文档语料库。该应用程序的主要目标是双重的：促进标记过程，减少或避免输出文档中的错误。此外，它允许识别用于构建参数图的参数和其他实体。也可以评估在文本语料库上工作的注释者的一致性水平。
2021-09-16 cs.CL cs.DL
AttentionXML: Label Tree-based Attention-Aware Deep Model for High-Performance Extreme Multi-Label Text Classification
Fudan University（复旦大学）；Kyoto University（京都大学）；Aalto University（阿尔托大学）
极端多标签文本分类（XMTC）是大数据时代的一个重要问题，用于从超大规模的标签集中使用最相关的多个标签标记给定的文本。XMTC可以在许多应用中找到，例如项目分类、网页标记和新闻注释。传统的方法大多使用词袋（BOW）作为输入，忽略了词的上下文以及深层语义信息。最近通过深度学习克服BOW问题的尝试仍然存在以下问题：1）未能捕获每个标签的重要潜台词; 2）缺乏针对大量标签的可扩展性。我们为XMTC提出了一种新的基于标签树的深度学习模型，称为AttentionXML，具有两个独特的功能：1）以原始文本为输入的多标签注意力机制，可以捕获文本中与每个标签最相关的部分; 2）浅而宽的概率标签树（PLT），可以处理数百万个标签，特别是“尾部标签”。我们在六个基准数据集上实证比较了AttentionXML与八种最先进方法的性能，包括Amazon-3 M约300万个标签。在所有实验设置下，AttentionXML的性能优于所有竞争方法。实验结果还表明，AttentionXML在基于标签树的方法中对尾部标签的性能最好。代码和数据集可在http://github.com/yourh/AttentionXML上获得。
2019-11-04 cs.CL cs.LG
Topics and Label Propagation: Best of Both Worlds for Weakly Supervised Text Classification
TCS Research, Tata Consultancy Services（塔塔咨询服务公司研究部）；Indian Institute of Technology Bombay（印度理工学院孟买分校）；Indian Institute of Technology Madras（印度理工学院马德拉斯分校）
提出了一种基于标签传播的弱监督文本分类算法。我们构建了一个图，其中每个文档由一个节点表示，边权重表示文档之间的相似性。此外，我们发现潜在的主题使用潜在狄利克雷分配（LDA）和丰富的文档图，包括额外的节点的形式的主题。主题和文本文档之间的边权重表示它们之间的“亲和力”水平。我们的方法不需要文档级别的标签，相反，它只需要手动标签的主题节点。这大大减少了所需的监督水平，因为只有少数几个主题被观察到足以达到足够高的准确性。标签传播算法在这个丰富的图上被用来在节点之间传播标签。我们的方法结合了标签传播（通过文档-文档相似性）和主题建模（用于最小但智能的监督）的优点。我们证明了我们的方法在各种数据集上的有效性，并与最先进的弱监督文本分类方法进行了比较。
2017-12-04 cs.CL cs.LG
Uncertainty Guided Label Denoising for Document-level Distant Relation Extraction
Nanjing University of Science and Technology（南京理工大学）；Singapore University of Technology and Design（新加坡科技设计大学）；Northeastern University（东北大学）
本文提出UGDRE框架，通过实例级不确定性估计和针对长尾关系的动态阈值筛选伪标签，有效降低文档级远程关系抽取中的标签噪声，并在RE-DocRED上显著超越强基线。
2023-05-26 cs.AI cs.CL
Towards Few-shot Entity Recognition in Document Images: A Label-aware Sequence-to-Sequence Framework
University of California, San Diego（加州大学圣地亚哥分校）
实体识别是理解文档图像的一项基本任务。传统的序列标记框架将实体类型视为类ID，并依赖于大量的数据和高质量的注释来学习语义，这在实践中通常是昂贵的。在本文中，我们的目标是建立一个实体识别模型，只需要几个镜头的注释文档图像。为了克服数据限制，我们建议利用标签表面名称来更好地通知目标实体类型语义的模型，并将标签嵌入到空间嵌入空间中以捕获区域和标签之间的空间对应关系。具体来说，我们超越了序列标记，并开发了一个新的标签感知seq 2seq框架，激光。该模型遵循一个新的标签计划，生成的标签表面名称逐字显式生成实体后。在训练过程中，LASER通过更新标签表面名称表示来细化标签语义，并加强标签区域相关性。通过这种方式，LASER通过语义和布局对应从文档图像中识别实体。在两个基准数据集上的大量实验证明了激光在Few-Shot设置下的优越性。
2022-03-30 cs.AI cs.CL cs.CV
