Vietnamese Open Information Extraction
Ryerson University（瑞尔森大学）；York University（约克大学）；Angiang University（安江大学）
开放式信息抽取（Open Information Extraction，OIE）是从文本文档中自动抽取关系及其参数的过程，而不需要将搜索限制在预定义的关系中。近年来，世界动物卫生组织为英语建立了几个系统，但没有为越南语建立任何系统。在本文中，我们提出了一种方法，OIE越南语使用基于小句的方法。因此，我们利用越南语的依存句法分析使用语法子句，努力考虑所有可能的关系，在一个句子。对应的小句类型是根据其成分的语法功能，通过其命题作为可提取关系来识别的。因此，我们的系统是第一个OIE系统命名为vnOIE的越南语，可以生成开放的关系和他们的参数从越南语文本具有高度可扩展性的提取，同时是域独立的。实验结果表明，我们的OIE系统取得了令人满意的结果，准确率为83.71%。
2018-01-23 cs.CL
Information Extraction of Clinical Trial Eligibility Criteria
Facebook Inc.（Facebook公司）
临床试验根据从患者人口统计学到食物过敏的各种标准来预测受试者的合格性。试用版将其需求作为语义复杂、非结构化的自由文本发布。将试验标准正式化为计算机可解释的语法将有助于确定合格性。在本文中，我们研究了一个信息抽取（IE）的方法接地标准从临床试验（点）政府共享的知识库。我们将这个问题框架为一个新的知识库人口任务，并实现了机器学习和上下文无关文法相结合的解决方案。据我们所知，这项工作是第一个标准提取系统应用注意力为基础的条件随机场架构的命名实体识别（NER），和word2vec嵌入聚类命名实体链接（NEL）。我们在GitHub上发布系统的资源和核心组件，网址为https://github.com/facebookresearch/Clinical-Trial-Parser。最后，我们报告我们的每一个模块和端到端的性能，我们得出结论，我们的系统是有竞争力的Criteria2Query，我们认为是目前最先进的标准提取。
2020-07-28 cs.CL
Information Extraction Using the Structured Language Model
本文提出了一种数据驱动的方法来信息抽取（视为模板填充）使用结构化语言模型（SLM）作为统计分析器。模板填充的任务被转换为使用SLM的约束解析。该模型是从一组用帧/槽标签和跨度注释的句子中自动训练的。培训分阶段进行：首先，训练受约束的句法分析器，使得对训练数据的分析满足指定的语义跨度，然后，丰富非终端标签以包含语义信息，最后，在从前一阶段得到的分析树上训练受约束的句法+语义分析器。尽管使用的训练数据量很小，但该模型的性能优于为MiPad -个人信息管理-任务手动编写的简单语义语法的槽级准确性。
2001-08-29 cs.CL cs.IR
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
ARID: A Deployable Edge AI System for Structured Information Extraction from Industrial Maintenance Work Orders
National Tsing Hua University（国立清华大学）
针对嵌入式离线处理维护工单需可预测结构化输出的问题，ARID在Jetson上结合双教师过滤、噪声感知合成、4位推理与语法约束解码，实现高F1的固定模式JSON提取，并验证输出有效性可迁移但语义不可迁移。
2026-09-22 cs.AI cs.CL cs.LG
Application-driven automatic subgrammar extraction
对于许多应用程序来说，相对于手头任务的相对简单性，宽覆盖语法的空间和运行时间要求显得不合理地大。另一方面，手工开发依赖于应用程序的语法存在重复工作的危险，这些工作很难在其他应用程序上下文中重用。为了克服这个问题，我们在本文中提出了一个自动提取的应用程序调整一致的子文法证明大规模生成语法的过程。该程序已实现了大规模的系统语法和系统语法和类型统一的语法之间的形式等价的基础上。它的百科全书条目生成的评价，并讨论了未来的发展方向，适用性和扩展。
1997-11-19 cmp-lg 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
Explaining black-box text classifiers for disease-treatment information extraction
Institute for Artificial Intelligence and Decision Support（人工智能与决策支持研究所）；Medical University of Vienna（维也纳医科大学）
深度神经网络和其他复杂的人工智能（AI）模型在许多生物医学自然语言处理任务上已经达到了很高的准确度。然而，由于其模糊的内部工作和决策逻辑，它们在现实世界用例中的适用性可能受到限制。事后解释方法可以通过提取特征值和结果之间的关系来近似黑盒AI模型的行为。在本文中，我们介绍了一种事后解释方法，利用置信项集近似的黑盒分类器的医疗信息抽取的行为。将医学概念和语义引入到解释过程中，我们的解释器在黑盒分类器的决策空间的不同部分中发现输入和输出之间的语义关系。实验结果表明，我们的解释方法可以优于扰动和决策集为基础的推理机的保真度和解释性的预测疾病治疗信息抽取任务。
2020-10-21 cs.AI cs.CL
SAGE:Specification-Aware Grammar Extraction for Automated Test Case Generation with LLMs
University of Seoul, South Korea（首尔大学，韩国）；Yonsei University, South Korea（延世大学，韩国）
针对有限监督下从自然语言规范生成有效通用语法的难题，提出SAGE方法，通过微调开源LLM结合GRPO强化学习及迭代反馈归纳CCFG，在语法有效性和测试效果上均显著优于现有LLM。
2025-06-04 cs.CL
Clinical Relationships Extraction Techniques from Patient Narratives
Zagazig University（扎加齐格大学）；Ain-Shames University（艾因夏姆斯大学）
临床电子科学框架（Clinical E-Science Framework，CLEF）项目旨在通过构建一个用于临床研究、循证医疗和基因型与表型信息学的系统，从医学文本中提取重要信息。该系统分为两个部分，一个部分涉及识别文本中临床重要实体之间的关系。利用完全解析和领域特定语法，可以应用多种方法来提取关系。在系统的第二部分，统计机器学习（ML）方法被应用于提取关系。用临床关系手工注释的肿瘤学叙述的语料库可以用于训练和测试已经通过监督机器学习（ML）方法设计和实现的系统。可以从这些文本中提取许多特征，这些特征用于由分类器构建模型。多个监督机器学习算法可以应用于关系提取。增加的功能，改变语料库的大小，并改变关系提取算法的类型的影响进行了检查。关键词：文本挖掘;信息抽取;自然语言处理;实体;关系。
2013-06-21 cs.CL cs.IR
Tense, aspect and mood based event extraction for situation analysis and crisis management
Middle East Technical University（中东科技大学）；Graduate School of Informatics（信息学研究生院）
现在的事件抽取系统主要处理相对少量的关于情景的时间和模态限定的信息，主要处理过去时态的断言句。然而，具有更广泛的时态、体和语气覆盖范围的系统可以提供更好的分析，并且可以用于更广泛的文本分析应用。本论文针对土耳其语开发了一个这样的系统。这是通过扩展开放源代码信息挖掘和分析（OPTIMA）研究小组的事件提取软件，通过实现适当的扩展的语义表示格式，通过添加一个部分语法，提高TAM（时态，方面和语气）标记，副词分析和匹配功能的Express，并通过构建一个适当的词典在CORLEONE的标准。这些扩展基于IV锚定关系理论（Temürcü，2007，2011），这是一个跨语言适用的语义框架，用于分析时态，体和语气相关类别。其结果是一个系统，它可以，除了提取基本的事件结构，分类的句子在新闻报道中，根据其时间，模态和意志/言外之言的价值。虽然重点是土耳其语的自然灾害、疾病爆发和人为灾害的新闻报道，但这种方法可以适用于其他语言、领域和体裁。这一事件提取和分类系统经过进一步发展，可以为自动浏览系统提供基础，以防止环境和人道主义风险。
2020-08-01 cs.CL
Scalable, Trie-based Approximate Entity Extraction for Real-Time Financial Transaction Screening
Garanti Technology（Garanti科技）
金融机构必须审查其交易，以确保它们不与恐怖主义实体有关联。开发适当的解决方案来精确地检测这种从属关系，同时避免对大量合法交易的任何形式的中断至关重要。在本文中，我们提出了一个可扩展的解决方案，可以帮助金融机构建立自己的软件提取恐怖主义实体的结构化和非结构化的金融信息在实时的近似相似性匹配方法。
2017-01-12 cs.CL cs.IR
Extraction of semantic relations from a Basque monolingual dictionary using Constraint Grammar
本文论述了利用词典半自动地构建词典和词汇知识库。我们研究的最终目标是用语义信息，如意义、定义、语义关系等，丰富巴斯克语词汇数据库，摘自巴斯克语单语词典本文的工作主要集中在提取最能体现中心词的语义关系，即同义关系、反义关系、上位关系和其他由特定关系词和派生词标记的关系。处理所有名词性、动词性和形容词性条目。巴斯克语使用形态变化来标记格，因此语义关系必须从后缀而不是介词推断。我们的方法结合了形态分析器和表面语法分析（基于约束语法），并已被证明是非常成功的高度曲折的语言，如巴斯克语。编写规则的工作量和字典的实际处理时间都非常少。目前，我们已经提取了42，533个关系，只剩下2，943个（9%）定义没有任何提取的关系。出错率非常低，因为只有2.2%的提取关系是错误的。
2000-10-17 cs.CL
An Initial Investigation of Non-Native Spoken Question-Answering
ALTA Institute/Engineering Department, Cambridge University（剑桥大学工程系ALTA研究所）
基于文本的机器理解（MC）系统有着广泛的应用，并且存在标准语料库用于开发和评估方法。口语问答系统（SQA）的研究相对较少。SQA任务是从考生$\text{'}$对一个问题的口头回答中提取答案。将这些MC方法应用于该SQA任务，而不是例如偏离主题的响应检测，提供了可以用于进一步下游处理的更详细的信息。一个重要的挑战是缺乏适当注释的语音语料库来训练系统完成这项任务。因此，采用迁移学习风格的方法，在基于文本的MC上训练的系统在非母语者的SQA任务上进行评估。必须考虑文本文档和口语反应之间的不匹配;非母语口语语法和书面语法。在实际的SQA中，使用了ASR系统，因此需要调查ASR错误的影响。我们证明了一个简单的基于文本的ELECTRA MC模型在SQuAD2.0上训练，可以很好地转移到SQA。研究发现，ASR错误和SQA评估分数之间存在近似线性关系，但语法不匹配的影响很小。
2021-07-09 cs.CL
IGT @ FinMMEval 2026 Task 2: Question-Type Prompting with Targeted Extraction for Multilingual Financial QA
Georgia Institute of Technology（佐治亚理工学院）
提出IGT系统，针对多语言金融问答，按题型区分结构化数值抽取与综合新闻选择，开发集ROUGE-1达0.395，测试集排名第三。
2026-09-09 cs.AI cs.CL
A survey on phrase structure learning methods for text classification
文本分类是将文本自动分类到预定义的类别之一的任务。文本分类问题在自然语言处理、数据采掘和信息检索等领域得到了广泛的研究。文本分类是许多信息管理任务的重要组成部分，如主题识别，垃圾邮件过滤，电子邮件路由，语言识别，体裁分类，可读性评估等。当使用短语模式时，文本分类的性能显着提高。短语模式的使用有助于捕获非本地行为，从而有助于改进文本分类任务。短语结构提取是短语模式识别的第一步。本文对短语结构学习方法进行了详细的研究。这将使未来的工作在几个NLP任务，它使用语法检查，问答，信息抽取，机器翻译，文本分类等短语结构的语法信息。本文还对短语结构学习方法进行了不同层次的分类和详细的比较。
2014-06-21 cs.CL
Constructing Reference Sets from Unstructured, Ungrammatical Text
Fetch Technologies（Fetch技术公司）；University of Southern California（南加州大学）；Information Sciences Institute（信息科学研究所）
Web上大量的文本是非结构化和不合语法的，例如分类广告、拍卖列表、论坛帖子等。我们称这些文本为“帖子”。“尽管它们的结构不一致，缺乏语法，帖子充满了有用的信息。本文介绍了通过直接分析这些帖子来半自动构建关系信息表（称为“参考集”）的工作。参考集可以应用于许多任务，例如本体维护和信息抽取。我们的参考集构造方法从少量的背景知识开始，并构造表示帖子中的实体的元组以形成参考集。我们还描述了这种方法的特殊情况下，即使是少量的背景知识是不可能发现和使用的扩展。为了评估机器构造的参考集的效用，我们将它们与基于参考集的信息抽取中手动构造的参考集进行比较。我们的结果表明，我们的方法构造的参考集优于手动构造的参考集。我们还比较了基于参考集的提取方法使用机器构造的参考集监督提取方法使用通用功能。这些结果表明，使用机器构造的参考集优于监督方法，即使监督方法需要训练数据。
2014-01-16 cs.CL cs.IR
Automatic Extraction of Bengali Root Verbs using Paninian Grammar
Jadavpur University（贾达普大学）
在这项研究工作中，我们提出了一种基于监督学习方法的算法，利用Panini [1]在Ashtadhyayi中提出的语法规则提取孟加拉语动词的根形式。这种方法可以应用于从梵语派生出来的语言。提出的系统已经开发的动词的时态，人称和形态变化的基础上，找到他们的根形式。研究工作分两个阶段进行：第一，将动词的表层形式或屈折形式分成一定数量的时态和人称相似的组。在这项任务中，使用了孟加拉语的标准模式。接下来，我们应用一套规则从动词的表层形式中提取词根形式。该系统已进行了测试，从孟加拉语文本语料库中开发的TDIL项目的印度政府收集的10000个动词。输出的准确率已达到98%，这是由语言专家验证。根动词识别是语义搜索、多句子搜索查询处理、语义理解、词义消歧、句子分类等过程中的关键步骤。
2020-03-31 cs.CL
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
A generic tool to generate a lexicon for NLP from Lexicon-Grammar tables
Université Paris-Est（巴黎东部大学）
词汇语法表是一种覆盖率很高的语法词典，但由于其依赖于隐含信息，不能直接应用于自然语言处理（NLP）中。在本文中，我们介绍了LGExtract，一个通用的工具，用于从词汇语法表中生成NLP的语法词典。它基于一个包含未定义信息的全局表和一个包含对所有表执行的所有操作的唯一提取脚本。我们还提出了一个实验，已进行生成一个新的法语动词和谓词名词的词汇。
2010-05-31 cs.CL
On the Possibility of Rewarding Structure Learning Agents: Mutual Information on Linguistic Random Sets
Universidad Tecnológica de la Mixteca（米斯特克理工大学）；Facultad de Ciencias – UNAM（墨西哥国立自治大学理学院）
我们提出了第一次尝试阐明一个理论和经验的方法来设计奖励提供的自然语言环境的一些结构学习代理。为此，我们重新审视的信息论的无监督诱导的短语结构语法的行为特征的模拟行动建模为集值随机变量（随机集的语言样本）构成语义结构。我们的研究结果表明，模拟的语义结构（开放信息抽取三元组）可以区分随机构建的观察其成分之间的互信息的经验证据。这表明了奖励结构学习代理的可能性，而不使用预先训练的结构分析器（Oracle演员/专家）。
2019-12-04 cs.AI cs.CL cs.IT
Weak Reward Model Transforms Generative Models into Robust Causal Event Extraction Systems
King’s College London（伦敦国王学院）；The Alan Turing Institute（阿兰·图灵研究所）
针对因果事件抽取评估指标不佳的问题，训练评估模型近似人工评估并用于强化学习对齐人类偏好，提出弱到强监督方法减少标注依赖并保持高性能。
2024-06-27 cs.CL
Active Testing: An Unbiased Evaluation Method for Distantly Supervised Relation Extraction
Shanghai Jiao Tong University（上海交通大学）；ByteDance AI Lab（字节跳动人工智能实验室）；Beijing Normal University (Zhuhai) & UIC（北京师范大学（珠海）与UIC）；American University of Sharjah（沙迦美国大学）
远程监督由于其便于自动标注数据集而成为神经关系抽取中广泛使用的方法。然而，现有的工作远距离监督关系抽取的测试集的质量低，这导致相当大的偏见性能评估。这些偏差不仅会导致不公平的评价，而且会误导神经关系抽取的优化。为了缓解这个问题，我们提出了一种新的评估方法命名为主动测试，通过利用噪声测试集和一些手动注释。广泛使用的基准测试的实验表明，我们提出的方法可以产生近似无偏的评价远距离监督的关系提取。
2020-10-17 cs.CL cs.IR
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
90% F1 Score in Relational Triple Extraction: Is it Real ?
TCS Research（塔塔咨询服务研究院）
本文揭示了现有联合实体与关系抽取模型因忽略零三元组句子而在现实设置下F1分数显著下降的问题，并提出一种基于BERT分类器的两步建模方法以提升现实场景下的整体性能。
2023-10-27 cs.CL
Verbal chunk extraction in French using limited resources
探索了一种提取法语动词词块的方法，并在有效语料库上进行了测试。声明性的形态和本地语法规则，指定块和一些简单的上下文结构，依赖于有限的词汇信息和一些简单的启发式/统计特性，从受限制的语料库。具体的目标，该系统的架构和形式主义，它依赖的语言信息和有效语料库上取得的成果。
2004-08-26 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
UniRE: A Unified Label Space for Entity Relation Extraction
Shanghai Jiao Tong University（上海交通大学）；ByteDance AI Lab（字节跳动人工智能实验室）；East China Normal University（华东师范大学）
许多联合实体关系抽取模型为两个子任务设置两个分离的标签空间（即，实体检测和关系分类）。我们认为，这种设置可能会阻碍实体和关系之间的信息交互。在这项工作中，我们建议消除两个子任务的标签空间上的不同处理。我们模型的输入是一个包含句子中所有单词对的表格。实体和关系在表中由正方形和矩形表示。我们应用一个统一的分类器来预测每个细胞的标签，这统一了两个子任务的学习。为了测试，提出了一种有效的（但快速）近似解码器，用于从表中查找正方形和矩形。在三个基准测试（ACE04、ACE05、SciERC）上的实验表明，仅使用一半的参数，我们的模型就达到了与最佳提取器竞争的准确性，并且速度更快。
2021-07-09 cs.CL cs.LG
Structured information extraction from complex scientific text with fine-tuned large language models
University of California, Berkeley（加州大学伯克利分校）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
从非结构化文本中智能地提取和链接复杂的科学信息是一项具有挑战性的工作，特别是对于那些没有自然语言处理经验的人来说。在这里，我们提出了一个简单的序列到序列的方法来联合命名实体识别和关系抽取的复杂层次信息的科技文本。该方法利用了预训练的大语言模型（LLM）GPT-3，该模型在大约500对提示（输入）和完成（输出）上进行了微调。信息可以从摘要/段落中的单个句子或跨句子提取，输出可以作为简单的英语句子或更结构化的格式（如JSON对象列表）返回。我们证明，以这种方式训练的LLM能够准确地提取复杂的科学知识的有用记录，在材料化学中的三个代表性的任务：连接掺杂剂与其主体材料，编目金属有机框架，和一般的化学/相/形态/应用信息抽取。这种方法代表了一种简单，可访问的，高度灵活的路线，以获得大型数据库的结构化知识提取非结构化文本。在线演示可在http://www.matscholar.com/info-extraction上获得。
2022-12-10 cond-mat.mtrl-sci 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
Learning Language from a Large (Unannotated) Corpus
描述了一种新的方法，从大型文本语料库中全自动、无监督地提取依存语法和相关的语法到语义关系映射。所建议的方法建立在作者先前对Link Grammar、RelEx和OpenCog系统的工作基础上，以及一些先前的论文和统计语言学习文献中的方法。如果成功的话，这种方法将能够直接从一个大型的、未注释的语料库中挖掘出支持自然语言理解和生成系统所需的所有信息。
2014-01-14 cs.CL cs.LG
A New Computational Schema for Euphonic Conjunctions in Sanskrit Processing
Presidency College（总统学院）；Meenakshi College for Women（米纳克希女子学院）；Mother Teresa Women’s University（特蕾莎修女女子大学）
自动化语言处理是驱动器的核心，以使越来越多的可用梵语E文本的参考更加方便。处理梵语文本的第一步涉及梵语复合词的处理，这些复合词是梵语文本的一个组成部分。这首先需要处理悦耳的连词或连读音，连读音是单词中或单词之间的点，相邻的字母在此合并和转换。古代梵语语法学家帕尼尼对梵语语法的编纂是这一学科公认的权威。他著名的佛经或警句，数量约四千，简洁，精确和全面编纂的语法规则，包括所有规则有关的sandhis。这项工作提出了一种新的方法来处理sandhis的计算模式。这种新的计算模型是基于帕尼尼的复杂编纂的语法规则。该模型具有简单的开始，但功能强大，全面和计算精益。
2009-11-04 cs.CL
Improvement of electronic Governance and mobile Governance in Multilingual Countries with Digital Etymology using Sanskrit Grammar
Jadavpur University（贾达普大学）
随着数字连接（Wifi，3G，4G）和数字设备接入互联网的巨大改善，现在已经到达了最偏远的角落。农村人民可以很容易地从PDA、笔记本电脑、智能手机等访问网络或应用程序。这是政府接触大量公民的机会，得到他们的反馈，将他们与电子政务的政策决策联系起来，而无需部署大量的人力、物力或资源。但多语国家的政府在成功实施政府对公民（G2 C）和公民对政府（C2 G）治理方面面临着许多问题，因为农村人民倾向于并更喜欢用母语进行互动。通过网络或应用程序向不同语言的演讲者群体提供平等的体验是一个真正的挑战。在这项研究中，我们整理出了印度雅利安语网民所面临的问题，这在一般情况下也适用于任何语系群体或亚群体。然后，我们试图用词源学给出可能的解决方案。词源学是用来关联的话，使用他们的根形式。公元前5世纪，帕尼尼写了Astadhyayi，他描绘了佛经或规则-一个词如何根据人称，时态，性别，数字等变化。我们已经训练了我们的系统，用于使用Panian语法规则从单词的表层或变形形式自动提取词根。我们已经测试了我们的系统超过10000孟加拉语动词和提取的根形式与98%的准确率。我们现在正在努力扩展程序，成功地将任何语言的任何单词进行词形化，并通过在人工神经网络中应用这些规则集将它们关联起来。
2020-03-31 cs.CL cs.CY
Entity Graph Extraction from Legal Acts -- a Prototype for a Use Case in Policy Design Analysis
Warsaw University of Technology（华沙工业大学）；University of Warsaw（华沙大学）
本文提出一个面向公共政策设计定量研究的原型系统，通过自动收集法律文件、制度语法标注和超图分析实体间关系，并以2003年UNESCO《保护非物质文化遗产公约》进行测试验证。
2022-09-02 cs.CL cs.HC cs.IR
HERMES: a multi-agent framework for structured knowledge extraction from ultra-long documents in geoscience
该研究提出HERMES多智能体框架，可从地球科学超长文档中提取结构化知识，在《无脊椎古生物学论著》上的实验显示其性能稳定、效率高且跨领域迁移性好，为历史文献结构化提供了可行途径。
2026-08-17 cs.CL
DocIE@XLLM25: In-Context Learning for Information Extraction using Fully Synthetic Demonstrations
ScaDS.AI & TU Dresden（ScaDS.AI与德累斯顿技术大学）
本文提出一种全自动流水线，结合合成数据生成与检索式上下文学习，在零样本下进行文档级实体和关系抽取，并构建了5k篇摘要、59k实体和30k三元组的合成数据集，实验表明该任务仍具挑战性。
2025-07-08 cs.CL
