X-WikiRE: A Large, Multilingual Resource for Relation Extraction as Machine Comprehension
University of Copenhagen(哥本哈根大学)
虽然绝大多数知识库都偏向于英语,但维基百科确实涵盖了不同语言的不同主题。利用这一点,我们引入了一个新的多语言数据集(X-WikiRE),框架关系抽取作为一个多语言的机器阅读问题。我们表明,通过利用这一资源,它是可以强大的跨语言传输模型和多语言支持显着提高(zero-shot)关系抽取,使人口低资源的知识库从他们的人口稠密的同行。
2019-08-15 cs.CL
Cross-Lingual Relation Extraction with Transformers
IBM Research AI(IBM研究人工智能部门);Kitchawan Road, Yorktown Heights, NY 10598, USA(美国纽约州约克镇高地基奇瓦诺路1101号(IBM相关地址,按要求忽略地址细节,仅保留机构级别信息,但此处原文中该地址与前一affiliation同属一个机构,因此提取核心机构))
关系抽取(RE)是信息抽取中最重要的任务之一,因为它为许多自然语言处理应用提供了必要的信息。在本文中,我们提出了一个跨语言RE的方法,不需要任何人的注释在目标语言或任何跨语言的资源。基于无监督的跨语言表示学习框架,我们开发了几种基于深度Transformer的RE模型,并采用了一种新的编码方案,可以有效地对实体位置和实体类型信息进行编码。我们的RE模型,当用英语数据训练时,优于几个基于深度神经网络的英语RE模型。更重要的是,我们的模型可以应用于执行zero-shot跨语言RE,在两个数据集上实现最先进的跨语言RE性能(有监督目标语言RE模型的准确率为68-89%)。不需要额外的训练数据或跨语言资源的高跨语言迁移效率表明,我们的RE模型是特别有用的低资源的语言。
2020-10-16 cs.AI cs.CL cs.IR
Gradient Imitation Reinforcement Learning for Low Resource Relation Extraction
Tsinghua University(清华大学);University of Illinois at Chicago(伊利诺伊大学芝加哥分校);Amazon(亚马逊)
低资源关系抽取(LRE)的目标是在人工标注不足的情况下,从有限的标注语料中抽取关系事实。现有的工作要么利用自我训练计划,以产生伪标签,将导致逐渐漂移的问题,或利用元学习计划,不征求反馈显式。为了减轻由于现有LRE学习范例中缺乏反馈回路而导致的选择偏差,我们开发了梯度模仿强化学习方法,以鼓励伪标签数据模仿标签数据上的梯度下降方向,并通过试错来引导其优化能力。我们还提出了一个框架,称为GradLRE,它处理两个主要的情况下,低资源关系抽取。除了未标记的数据是足够的情况下,GradLRE处理的情况下,没有未标记的数据是可用的,通过利用上下文增强方法来生成数据。在两个公开数据集上的实验结果表明,与基线相比,GradLRE在低资源关系抽取上是有效的。
2021-09-14 cs.AI cs.CL
Boosting Transformers for Job Expression Extraction and Classification in a Low-Resource Setting
Bosch Center for Artificial Intelligence(博世人工智能中心);Saarland University(萨尔兰大学)
在本文中,我们探讨了在低资源环境下Transformer模型的可能改进。特别是,我们提出了解决MEDDOPROF竞赛三个子任务中的前两个子任务的方法,即,西班牙语临床文本中工作表达的提取和分类。作为既不是语言专家也不是领域专家,我们尝试使用多语言XLM-R Transformer模型,并将这些低资源信息抽取任务作为序列标记问题来处理。我们探索了领域和语言自适应预训练、迁移学习和战略性分裂,以提升Transformer模型。我们的研究结果表明,使用这些方法的强大的改进高达5.3 F1点相比,微调XLM-R模型。我们最好的模型在前两个任务中分别达到83.2和79.3 F1。
2021-09-17 cs.CL cs.LG
Targeted Augmentation for Low-Resource Event Extraction
Virginia Tech(弗吉尼亚理工大学)
针对低资源事件抽取中现有数据增强难以平衡强弱增强效果的问题,提出结合定向增强与反向验证的新范式,生成更优质的增强样本,实验验证了其有效性并指明了未来改进方向。
2024-05-14 cs.AI cs.CL
UniEX: An Effective and Efficient Framework for Unified Information Extraction via a Span-extractive Perspective
International Digital Economy Academy(国际数字经济研究院);Waseda University(早稻田大学);South China University of Technology(华南理工大学)
提出统一信息抽取框架UniEX,将多种IE任务转化为词元对问题,通过仿射注意力机制和评分矩阵实现高效抽取,在14个基准数据集上优于生成式模型且具备低资源可迁移性。
2023-05-22 cs.AI cs.CL
PRiSM: Enhancing Low-Resource Document-Level Relation Extraction with Relation-Aware Score Calibration
KAIST AI(韩国科学技术院人工智能学院)
针对低资源文档级关系抽取中NA标签过度估计问题,提出关系感知分数校准方法PRiSM,通过调整logits提升性能,在三个数据集上最高提升26.38 F1,校准误差降低36倍。
2023-09-25 cs.AI cs.CL cs.LG
Gradient Imitation Reinforcement Learning for General Low-Resource Information Extraction
Tsinghua University(清华大学);Amazon(亚马逊);University of Electronic Science and Technology of China(电子科技大学);The Chinese University of Hong Kong(香港中文大学);University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
信息抽取(Information Extraction,IE)的目的是从异构信息源中抽取结构化的信息。来自自然语言文本的IE包括诸如命名实体识别(NER)、关系抽取(RE)和事件抽取(EE)的子任务。大多数IE系统需要对句子结构、隐含语义和领域知识的全面理解才能表现良好;因此,IE任务总是需要足够的外部资源和注释。然而,获得更多的人类注释需要花费时间和精力。低资源信息抽取(LRIE)致力于使用无监督的数据,减少所需的资源和人工注释。在实践中,现有的系统要么利用自训练方案来生成伪标签,这将导致逐渐漂移问题,要么利用一致性正则化方法,这不可避免地具有确认偏差。为了减轻由于现有LRIE学习范式中缺乏反馈回路而导致的确认偏差,我们开发了梯度模仿强化学习(GIRL)方法,以鼓励伪标记数据模仿标记数据上的梯度下降方向,这可以迫使伪标记数据实现类似于标记数据的更好的优化能力。基于伪标记数据如何模仿从标记数据获得的指导性梯度下降方向,我们设计了一个奖励来量化模仿过程,并通过试错来引导伪标记数据的优化能力。除了学习范例,GIRL并不局限于特定的子任务,我们利用GIRL来解决低资源设置(半监督IE和Few-Shot IE)中的所有IE子任务(命名实体识别,关系抽取和事件提取)。
2022-11-14 cs.AI cs.CL
Recognizing Referential Links: An Information Extraction Perspective
我们提出了一个有效的和强大的参考分辨率算法在一个端到端的国家的最先进的信息提取系统,它必须与一个相当贫困的输入句子的语法分析。考虑到这一缺点,基本设置收集,过滤,然后按显着性排序的第三人称代词做得非常好,但需要更多的语义和语篇信息,以改善其他表达类型的处理。
1997-07-18 cmp-lg cs.CL
Low-Resource Fine-Tuning for Multi-Task Structured Information Extraction with a Billion-Parameter Instruction-Tuned Model
National Tsing Hua University(台湾清华大学);Accton Technology Corporation(智邦科技公司);University of Taipei(台北市立大学)
本研究提出ETLCH,一个基于LLaMA的十亿参数模型,通过低秩适配在少量样本上微调,用于多任务结构化信息抽取,以低计算成本实现稳定准确输出。
2025-09-10 cs.AI cs.CL
Asking the Right Questions in Low Resource Template Extraction
Johns Hopkins University(约翰斯·霍普金斯大学)
信息抽取(Information Extraction,IE)的研究者正在将任务映射到问答(Question Questioning,QA)中,以充分利用现有的大量QA资源,从而提高数据效率。特别是在模板提取(TE)中,将本体映射到一组问题可能比收集标记的示例更省时。我们问TE系统的最终用户是否可以设计这些问题,以及在这个过程中让NLP从业者参与是否有益。我们比较问题的措辞自然语言提示TE的其他方式。我们提出了一个新的模型来执行TE提示,并发现它的好处,从其他风格的提示问题,他们不需要一个NLP背景的作者。
2022-05-25 cs.CL
STAR: Boosting Low-Resource Information Extraction by Structure-to-Text Data Generation with Large Language Models
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
STAR利用大语言模型在少量种子示例下通过先结构后文本的生成及自反思精炼合成训练数据,显著提升低资源事件抽取和关系抽取性能,并超越人工整理数据。
2024-02-20 cs.AI cs.CL
Continual Contrastive Finetuning Improves Low-Resource Relation Extraction
University of Southern California(南加州大学);Microsoft Research(微软研究院)
本文针对低资源关系抽取中预训练与微调目标不一致的问题,提出持续对比微调方法,并引入多中心对比损失,在 BioRED 和 Re-DocRED 上显著优于 PLM 分类器。
2023-05-31 cs.AI cs.CL cs.LG
Automatic extraction of paraphrastic phrases from medium size corpora
本文提出了一个通用的系统,旨在获取释义短语从一个有代表性的语料库。为了减少用于NLP系统(例如信息抽取,IE)的资源的详细描述所花费的时间,我们建议使用机器学习系统,该系统有助于定义新的模板和相关的资源。这些知识是从文本集合中自动获得的,与大型语义网络进行交互。
2005-09-28 cs.AI cs.CL
Neural Cross-Lingual Relation Extraction Based on Bilingual Word Embedding Mapping
IBM Research AI(IBM研究院人工智能部门)
关系抽取(RelationExtraction,RE)试图检测和分类实体之间的语义关系,这为许多自然语言处理应用提供了有用的信息。由于国家的最先进的RE模型需要大量的手动注释的数据和语言特定的资源,以达到高精度,这是非常具有挑战性的资源丰富的语言的RE模型,以资源贫乏的语言。本文提出了一种基于双语词嵌入映射的RE模型跨语言迁移方法。它将词嵌入从目标语言投影到源语言,使得经过良好训练的源语言神经网络RE模型可以直接应用于目标语言。实验结果表明,该方法在只有1K词对的小型双语词典上,对大量的目标语言,在内部数据集和开放数据集上都取得了很好的性能。
2019-10-31 cs.CL cs.IR cs.LG
Relation Adversarial Network for Low Resource Knowledge Graph Completion
Alibaba Group(阿里巴巴集团);AZFT Joint Lab for Knowledge Engine(AZFT知识引擎联合实验室);Zhejiang University(浙江大学);Carnegie Mellon University(卡内基梅隆大学);Oxford University(牛津大学)
知识图谱补全(KGC)已经被提出来通过经由链接预测或关系抽取填充缺失连接来改进知识图谱。KGC的主要困难之一是资源不足问题。以前的方法假设有足够的训练三元组来学习实体和关系的通用向量,或者假设有足够数量的标记句子来训练一个合格的关系抽取模型。然而,低资源关系在KG中非常普遍,并且那些新添加的关系通常没有很多已知的样本用于训练。在这项工作中,我们的目标是在一个具有挑战性的环境下预测新的事实,其中只有有限的训练实例可用。我们提出了一个通用的框架,称为加权关系对抗网络,它利用一个对抗过程,以帮助适应知识/功能从高资源关系到不同的,但相关的低资源关系。具体而言,该框架利用关系映射来区分来自不同关系的样本,并帮助学习从源关系到目标关系更可转移的关系不变特征。实验结果表明,该方法优于以往的方法,低资源设置的链接预测和关系抽取。
2020-06-22 cs.AI cs.CL cs.DB
Extracting or Guessing? Improving Faithfulness of Event Temporal Relation Extraction
UPenn(宾夕法尼亚大学);Tencent AI Lab(腾讯人工智能实验室);USC(南加州大学)
在本文中,我们试图从两个角度提高TempRel提取模型的可信度。第一个视角是基于上下文描述的真实抽取。为了实现这一目标,我们建议进行反事实分析,以减弱两种重要类型的训练偏差的影响:事件触发偏差和频繁标签偏差。我们还将时态信息添加到事件表征中,以明确强调上下文描述。第二个观点是提供适当的不确定性估计,并且当文本中没有描述关系时避免提取。通过在模型预测的分类分布上对Dirichlet先验进行参数化,我们改进了模型对正确性似然的估计,并使TempRel预测更具选择性。我们还采用温度缩放来重新校准模型的置信度后,偏差缓解。通过对MATRES、MATRES-DS和TDDiscourse的实验分析,我们证明了与SOTA方法相比,我们的模型更忠实地提取TempRel和时间线,特别是在分布偏移的情况下。
2022-10-12 cs.AI cs.CL
Adaptive Prompting for Continual Relation Extraction: A Within-Task Variance Perspective
Hanoi University of Science and Technology(河内理工大学)
针对持续关系抽取中的灾难性遗忘,提出基于任务内方差视角的自适应提示方法,利用提示池和生成模型,无需存储数据,性能优于现有方法。
2025-01-18 cs.CL cs.LG
Cheap and Good? Simple and Effective Data Augmentation for Low Resource Machine Reading
University of Arizona(亚利桑那大学);IBM Research(IBM研究院)
我们提出了一个简单而有效的策略,用于低资源机器阅读理解(MRC)的数据增强。我们的方法首先在包含正确答案的近似上下文的增强数据上预训练MRC系统的答案提取组件,然后在确切的答案跨度上训练它。近似上下文有助于QA方法组件缩小答案的位置。我们证明,我们简单的策略,通过提供更大的上下文的答案和额外的训练数据,大大提高了文档检索和答案提取性能。特别是,我们的方法显着提高性能的BERT为基础的检索器(15.12\%),和答案提取器(4.33\% F1)TechQA,一个复杂的,低资源的MRC任务。此外,我们的数据增强策略产生了显着的改善高达3.9\%的精确匹配(EM)和2.7\%的F1的答案提取PolicyQA,另一个实用的,但中等大小的QA数据集,也包含长的答案跨度。
2021-06-08 cs.AI cs.CL cs.LG
READ: Improving Relation Extraction from an ADversarial Perspective
University of California, San Diego(加利福尼亚大学圣迭戈分校)
针对关系抽取模型过度依赖实体、泛化能力不足的问题,提出结合序列/token级扰动、独立扰动词表和上下文干净token概率保留的对抗训练方法READ,提升了准确率、鲁棒性及低资源表现。
2024-04-02 cs.AI cs.CL
Scientific and Technological Text Knowledge Extraction Method of based on Word Mixing and GRU
知识抽取的任务是从非结构化文本数据中抽取三元关系(头实体-关系-尾实体)。现有的知识提取方法分为“流水线”方法和联合提取方法。“流水线”方法是将命名实体识别和实体关系抽取分离,使用各自的模块进行抽取。这种方法虽然具有较好的灵活性,但训练速度较慢。联合抽取的学习模型是通过神经网络实现的端到端模型,同时实现实体识别和关系抽取,能够很好地保留实体和关系之间的关联,将实体和关系的联合抽取转化为序列标注问题。提出一种基于词混合和GRU的科技资源知识抽取方法,结合词混合向量映射方法和自注意力机制,有效提高中文科技资源文本关系抽取的效果。
2022-03-31 cs.AI cs.CL
Targeted Extraction of Temporal Facts from Textual Resources for Improved Temporal Question Answering over Knowledge Bases
Indian Institute of Technology, Kharagpur(印度理工学院克勒格布尔分校);IBM Research AI(IBM人工智能研究院)
知识库问答(KBQA)系统的目标是通过对从知识库(KB)检索的相关事实进行推理来回答复杂的自然语言问题。这些系统所面临的主要挑战之一是,由于不完整的知识库和实体/关系链接错误等因素,它们无法检索所有相关事实。在本文中,我们解决这个特殊的挑战,系统处理一个特定类别的问题,称为时间问题,答案推导涉及推理的事实断言点/时间间隔的各种事件。我们提出了一种新的方法,有针对性的时间事实提取技术是用来协助KBQA时,它无法检索时间事实从KB。我们使用$λ$ -问题的表达式来逻辑地表示得出答案所需的组成事实和推理步骤。这使我们能够发现那些未能从知识库中检索到的事实,并生成文本查询,以便以开放域问答的方式从文本资源中提取它们。我们评估了我们的方法在基准时间问答数据集考虑维基数据和维基百科分别作为知识库和文本资源。实验结果表明,该方法在回答正确率上相对提高了$\sim$ 30%,证明了该方法的有效性.
2022-03-21 cs.AI cs.CL
Challenges in Expanding Portuguese Resources: A View from Open Information Extraction
Federal University of Bahia(巴伊亚联邦大学);Institute of Computing, Universidade Federal Fluminense(弗鲁米嫩塞联邦大学计算研究所)
本文构建了高质量葡萄牙语开放信息抽取人工标注语料库,提出标注规则并验证系统性能,填补了该语言数据集空白。
2025-01-21 cs.CL
SLIDE: Sliding Localized Information for Document Extraction
University of Florida(佛罗里达大学)
针对长文本和低资源语言下LLM上下文受限导致知识图谱构建效果差的问题,提出基于重叠窗口的分块方法SLIDE,可保留关键上下文,显著提升多语言场景下的实体、关系抽取及问答性能。
2025-03-23 cs.CL
STAD: Self-Training with Ambiguous Data for Low-Resource Relation Extraction
Soochow University(苏州大学);Tencent AI Lab(腾讯人工智能实验室);China Mobile Online Marketing and Services Center(中国移动在线营销服务中心)
我们提出了一个简单而有效的自我训练方法,命名为STAD,低资源的关系抽取。该方法首先根据教师模型预测的概率将自动标注的实例分为两组:置信实例和不确定实例。与以往大多数研究中只使用有把握的样本进行自我训练不同,本文利用了不确定的样本。为此,我们提出了一种从不确定实例中识别歧义但有用的实例的方法,然后针对每个歧义实例将关系分为候选标签集和负标签集。接下来,我们提出了一个集负训练方法的负标签集的歧义实例和一个积极的训练方法的置信实例。最后,提出了一种联合训练的方法来建立最终的关系抽取系统的所有数据。在两个广泛使用的数据集SemEval 2010 Task-8和Re-TACRED上进行的低资源设置的实验结果表明,与几个有竞争力的自训练系统相比,这种新的自训练方法确实实现了显着和一致的改进。代码可在https://github.com/jjyunlp/STAD上公开获取
2022-09-07 cs.CL
Metalinguistic Information Extraction for Terminology
本文介绍和评估元语言操作处理器(MOP)系统的元语言信息的自动编译技术和科学文件。该系统的目的是提取非标准的术语资源,我们称之为元语言信息数据库(或MID),以帮助更新不断变化的词汇表,知识库和本体,以及反映亚稳态动态的专业领域知识。
2005-04-15 cs.AI cs.CL cs.IR
KSW: Khmer Stop Word based Dictionary for Keyword Extraction
Institute of Technology of Cambodia(柬埔寨理工学院);University of Cologne(科隆大学)
本文提出KSW,一种基于定制停用词词典的高棉语关键词提取方法,通过预处理移除停用词,显著提升提取准确性和相关性,并公开资源。
2024-05-27 cs.CL cs.IR
Summarization for Generative Relation Extraction in the Microbiome Domain
Nantes Université, École Centrale Nantes, CNRS, LS2N, UMR 6004(南特大学、中央理工学院、CNRS、LS2N、UMR 6004)
针对肠道微生物组这一低资源生物医学领域,提出利用LLM摘要优化上下文的生成式关系抽取流程,初步证明其可降噪并提升性能,但仍不及基于BERT的方法。
2025-06-10 cs.AI cs.CL
Can NLI Provide Proper Indirect Supervision for Low-resource Biomedical Relation Extraction?
Harvard University(哈佛大学);University of California, Los Angeles(加利福尼亚大学洛杉矶分校);University of Southern California(南加利福尼亚大学)
提出NBR框架,通过自然语言推理间接监督将生物医学关系抽取转化为NLI任务,利用基于排序的损失校准弃权实例,在低资源下实现更清晰的决策边界和更优性能。
2023-10-19 cs.AI cs.CL q-bio.QM
Shift-of-Perspective Identification Within Legal Cases
University of Moratuwa(莫拉图瓦大学)
通过与以前的法庭案件有关的文件获得的论点,反驳,事实和证据是法律专业人员的基本需要。因此,从包含与法庭案件相关的法律意见的文档中自动信息抽取的过程可以被认为是非常重要的。本研究的重点是识别法律意见书文本中对某一主题或实体表达不同观点的句子。我们结合了几种基于语义分析,开放式信息抽取,和情感分析的方法来实现我们的目标。然后,我们的方法在人类法官的帮助下进行了评估。评估的结果表明,我们的系统是成功的,在检测的情况下,两个句子提供不同的意见,对同一主题或实体。所提出的方法可用于促进与法律领域有关的其他信息抽取任务。一个这样的任务是自动检测给定参数的反参数。另一个是在法庭案件中识别对方当事人。
2019-08-17 cs.CL
Leveraging Open Information Extraction for More Robust Domain Transfer of Event Trigger Detection
University of Zagreb(萨格勒布大学);NEC Laboratories Europe(欧洲 NEC 实验室);Ss. Cyril and Methodius University(圣西里尔与圣美多迪乌斯大学);University of Würzburg(维尔茨堡大学)
针对事件触发词检测跨领域迁移性能下降问题,提出通过多任务训练注入规则型OIE主宾关系关联跨域触发词,结合目标域掩码语言建模,有效提升零/少样本跨域迁移效果且对OIE系统选择具鲁棒性。
2024-02-01 cs.CL cs.LG
Scaling Open-Weight Large Language Models for Hydropower Regulatory Information Extraction: A Systematic Analysis
Oak Ridge National Laboratory(奥克伍德国家实验室)
该研究针对水电监管文档信息抽取,评估7个0.6B-70B参数的开源大语言模型,发现14B参数阈值是验证方法从无效到可行的关键分界点,建立资源-性能映射以指导模型选择。
2025-11-14 cs.AI cs.CL
GLiDRE: Generalist Lightweight model for Document-level Relation Extraction
Université Paris-Saclay, CEA, List(巴黎-萨克雷大学、CEA、List)
本文提出GLiDRE,一种紧凑的文档级关系抽取模型,在低资源和少样本场景下超越现有方法,确立新的最先进水平。
2025-10-07 cs.CL
Towards Reward Fairness in RLHF: From a Resource Allocation Perspective
Gaoling School of Artificial Intelligence, Renmin University of China(中国人民大学人工智能学院);Beijing Key Laboratory of Research on Large Models and Intelligent Governance(北京大型模型与智能治理研究重点实验室);Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE(下一代智能搜索与推荐工程技术研究中心,教育部);Kuaishou Technology(快手科技);University of Chinese Academy of Sciences(中国科学院大学)
针对RLHF中奖励存在多种偏差导致的不公平问题,本文从资源分配视角提出与偏差无关的方法,通过公平性正则化和公平性系数实现奖励公平,实验表明该方法能更公平地使LLMs与人类偏好对齐。
2025-05-29 cs.AI cs.LG
The Temporal Game: A New Perspective on Temporal Relation Extraction
University of Porto INESC TEC(波尔图大学 INESC TEC);University of Beira Interior INESC TEC(贝拉内里奥大学 INESC TEC)
本研究提出将时间关系抽取转化为交互式游戏的Temporal Game方法,通过逐点比较与时间闭包实现更灵活的标注,还为强化学习训练奠基,提供带游戏与标注模式的开源演示工具。
2025-08-29 cs.CL
Leveraging Prompt-Learning for Structured Information Extraction from Crohn's Disease Radiology Reports in a Low-Resource Language
Faculty of Data and Decision Sciences, Technion - Israel Institute of Technology(以色列理工学院数据与决策科学学院);Shaare Zedek Medical Center(沙雷泽德克医疗中心);Faculty of Biomedical Engineering, Technion - Israel Institute of Technology(以色列理工学院生物医学工程学院);Hospital for Sick Children(病童医院)
提出SMP-BERT提示学习方法,利用报告结构从希伯来语克罗恩病放射学报告中提取结构化信息,显著优于传统微调,尤其在罕见病症检测上(AUC 0.99 vs 0.94,F1 0.84 vs 0.34),推动低资源语言的AI诊断。
2024-05-22 cs.AI cs.CL
SAMA: Semantic Anchor-aligned Augmentation for Unified Low-Resource Multimodal Information Extraction
School of Computer Science and Engineering, University of Electronic Science and Technology of China(电子科技大学计算机科学与工程学院)
提出语义锚定对齐增强框架SAMA,通过构建结构化语义锚引导多专家多模态大模型生成高保真文本,并利用锚保留扩散机制合成图像,结合双约束过滤模块,在低资源多模态信息抽取任务中显著提升性能。
2026-06-18 cs.CL cs.CV cs.MM
Development of the user-friendly decision aid Rule-based Evaluation and Support Tool (REST) for optimizing the resources of an information extraction task
Sorbonne Université(索邦大学);Université Sorbonne Paris Nord(索邦巴黎北大学);ESIEE Paris(巴黎高等电子学院);Assistance Publique – Hôpitaux de Paris(巴黎公共医疗援助机构-巴黎医院集团)
本研究提出规则与机器学习结合的可持续信息抽取方法,开发了易用决策辅助工具REST,帮助标注者为各实体选择规则或机器学习方案,减少人工标注量,且在12实体用例中展现出良好可复现性。
2025-06-16 cs.CL
Summarization as Indirect Supervision for Relation Extraction
University of Southern California(南加州大学);University of California, Los Angeles(加州大学洛杉矶分校)
关系抽取(RE)模型由于依赖于带有昂贵注释的训练数据而受到挑战。考虑到摘要任务的目的是从较长的上下文中获取概括信息的简洁表达,这些任务自然符合RE的目标,即,提取一种描述实体提及关系的概要信息。我们提出了SuRE,它将RE转换成一个总结公式。SuRE基于摘要任务的间接监督,导致更精确和资源有效的RE。为了实现这一目标,我们开发的句子和关系转换技术,基本上桥接制定总结和RE任务。我们还将约束解码技术与Trie评分,以进一步增强基于摘要的RE与鲁棒的推理。在三个RE数据集上的实验证明了SuRE在全数据集和低资源环境下的有效性,表明摘要是一个有前途的间接监督来源,以改善RE模型。
2022-10-21 cs.CL cs.LG
Beyond Control-Flow: Integrating the Resource Perspective into Multi-Collaborative Process Modeling from Text
Fraunhofer Institute for Applied Information Technology(弗劳恩霍夫应用信息科技研究所);RWTH Aachen University(亚琛工业大学)
提出一种资源感知的生成流程,从自然语言描述中自动生成包含组织(泳池)和角色(泳道)的BPMN 2.0协作图,同时保持控制流质量并增加少量运行时开销。
2026-05-23 cs.AI cs.IR
Translation and Fusion Improves Zero-shot Cross-lingual Information Extraction
Georgia Institute of Technology(佐治亚理工学院)
针对大语言模型在低资源语言信息抽取中表现受限的问题,提出TransFusion翻译融合框架及跨语言指令微调模型GoLLIE-TF,在多语言数据集上实现更优零样本跨语言迁移,且适配多种模型架构均能提升低资源语言命名实体识别性能。
2024-06-20 cs.CL
OPIEC: An Open Information Extraction Corpus
Universität Mannheim(曼海姆大学)
开放信息抽取(OIE)系统以无监督的方式从自然语言文本中抽取关系及其参数。由此产生的提取是一个有价值的资源,下游任务,如知识库建设,开放式问答,或事件模式归纳。在本文中,我们发布,描述和分析OIE语料库称为OPIEC,这是从英文维基百科的文本提取。OPIEC补充了OIE现有的资源:它是迄今为止最大的OIE语料库(超过3.4亿个三元组),包含有价值的元数据,如出处信息,置信度得分,语言注释和语义注释,包括空间和时间信息。我们分析OPIEC语料库,通过比较其内容与知识库,如DBpedia或YAGO,这也是基于维基百科。我们发现,OPIEC中存在的实体之间的大多数事实不能在DBpedia和/或YAGO中找到,OIE事实与知识库事实相比通常在特异性水平上有所不同,并且OIE开放关系通常是高度多义的。我们相信,OPIEC语料库是一个宝贵的资源,为未来的研究自动化知识库建设。
2019-04-28 cs.CL
Automated Extraction of Socio-political Events from News (AESPEN): Workshop and Shared Task Report
European Commission Joint Research Centre(欧盟委员会联合研究中心)
我们描述了我们在语言资源和评估会议(LREC 2020)上组织的研讨会和共享任务范围内从新闻中自动提取社会政治事件的努力。我们认为,在计算语言学和社会和政治科学的事件提取研究应该进一步相互支持,以使大规模的跨源,国家和语言的社会政治事件信息收集。该活动包括定期的研究论文和一个共享的任务,这是关于事件句共指识别(ESCI),跟踪。所有提交的文件都由项目委员会的五名成员审查。研讨会吸引了与评价机器学习方法、语言资源、材料冲突预测有关的研究论文,以及社会政治事件信息收集范围内的共同任务参与报告。它向我们展示了与社会政治事件相关的数据源和事件信息收集方法的数量和种类,以及填补自动化文本处理技术与社会和政治科学要求之间差距的必要性。
2020-05-12 cs.CL cs.CY cs.LG
Low-resource Information Extraction with the European Clinical Case Corpus
Fondazione Bruno Kessler(布鲁诺·凯塞勒基金会);University of Padua(帕多瓦大学);GOI institute(GOI研究所);Basque Summer University (UEU)(巴斯克夏季大学(UEU))
本文提出E3C-3.0多语言医学数据集,通过半自动标注投影和人工修订构建,实验证明微调可提升LLM性能,且跨语言迁移学习有效缓解低资源问题。
2025-03-26 cs.CL
CMNIE: An Information Extraction Benchmark for Chinese Military News
Laboratory for Big Data and Decision, National University of Defense Technology(国防科技大学大数据与决策实验室)
CMNIE是面向中文军事新闻的联合信息抽取基准,含13,000实例,标注事件、参数、实体和关系,评估显示关系抽取和精确跨度匹配仍具挑战性。
2026-09-11 cs.CL
Massively Multilingual Language Models for Cross Lingual Fact Extraction from Low Resource Indian Languages
IIIT Hyderabad(国际信息技术学院海得拉巴分校)
像Wikidata这样的大规模知识图谱试图捕捉关于多个实体的世界知识。最近的方法集中在自动丰富这些KG从文本。然而,在低资源语言中,以自然文本形式存在的许多信息往往会被遗漏。跨语言信息抽取的目的是从低资源的印度语文本中抽取英语三元组形式的事实信息。尽管具有巨大的潜力,但与单语信息抽取相比,这项任务取得的进展仍然滞后。在本文中,我们提出了跨语言事实提取(CLFE)的任务,并设计了一个端到端的生成方法,实现了整体的F1得分为77.46。
2023-02-09 cs.AI cs.CL cs.IR
FrameFinder: Explorative Multi-Perspective Framing Extraction from News Headlines
TU Graz(格拉茨工业大学);University of Graz(格拉茨大学)
本文提出FrameFinder,一个从新闻标题中提取并多视角可视化分析框架的开放工具,并通过枪支暴力语料库验证其支持社会科学研究的价值。
2023-12-14 cs.AI cs.CL cs.IR
Mevaker: Conclusion Extraction and Allocation Resources for the Hebrew Language
本文为希伯来语构建了结论提取与分配数据集及模型,基于以色列官方报告,并公开所有资源。
2024-03-12 cs.AI cs.CL
Importance Estimation from Multiple Perspectives for Keyphrase Extraction
Beijing Jiaotong University(北京交通大学)
本文提出KIEMP方法,通过分块、排序和匹配三个模块从句法准确性、信息显著性和概念一致性多视角估计关键词重要性,并在六个基准数据集上超越现有最先进方法。
2023-12-21 cs.CL cs.IR
Towards More Realistic Extraction Attacks: An Adversarial Perspective
McGill University(麦吉尔大学);Mila(Mila研究所)
本文从对抗性视角重新审视语言模型的提取攻击,发现结合多种攻击手段(如修改提示、针对小模型和早期检查点)可将提取风险加倍,并在多个案例中超越现有对手。
2025-08-08 cs.CL cs.CR cs.LG
Clinical information extraction for Low-resource languages with Few-shot learning using Pre-trained language models and Prompting
Klaus Tschira Institute for Integrative Computational Cardiology(克劳斯·齐拉整合计算心脏病学研究所);Heidelberg University(海德堡大学);University Hospital Heidelberg(海德堡大学医院);German Center for Cardiovascular Research - Partner site Heidelberg/Mannheim(德国心血管研究中心海德堡/曼海姆合作站点);Informatics for Life(生命信息学机构)
本研究首次系统评估低资源场景下基于提示的轻量级预训练模型用于德语临床文本分类,仅用20个样本即比传统模型准确率提升30.5%,并借助Shapley值确保可解释性。
2024-08-13 cs.AI cs.CL cs.LG
MR-UIE: Multi-Perspective Reasoning with Reinforcement Learning for Universal Information Extraction
Institute of Artificial Intelligence (TeleAI)(人工智能研究院);China Telecom Corp Ltd(中国电信有限公司);BeiHang University(北航大学)
本文提出MR-UIE,将强化学习与多视角推理结合用于通用信息抽取,使大语言模型从被动抽取转为主动推理,在多个基准上提升准确率并超越现有方法。
2025-09-11 cs.CL
Automatic Keyword Extraction from Spoken Text. A Comparison of two Lexical Resources: the EDR and WordNet
词汇资源,如WordNet和EDR电子词典已被用于几个NLP任务。也许,部分原因是EDR不是免费提供的,WordNet的使用频率远远超过EDR。我们在同一任务中使用了这两种资源,以便进行比较。该任务是自动分配关键字到多方对话片段(即口语文本的主题连贯延伸)。我们表明,在这样的任务中使用的词汇资源的结果比使用一个纯粹的基于统计的方法略高的性能。
2004-10-25 cs.CL cs.DL cs.IR
Improving Term Extraction with Terminological Resources
生物医学领域的语料库上的不同术语提取器的研究显示,当应用于高度技术性的文本时,性能下降。难以或不可能将它们定制到新的域是另一个限制。在本文中,我们建议使用外部术语来影响通用语言数据,以提高提取的质量。我们实现的工具利用在不同的步骤的过程中证明的条款:组块,解析和提取候选术语。实验结果表明,使用该方法,可以获得更多的候选项,具有更高的可靠性。我们进一步描述的提取过程中,涉及内源性消歧实施长期提取YaTeA。
2006-09-06 cs.CL