A Dynamic Self-Evolving Extraction System
Megagon Labs（Megagon实验室）
提出DySECT系统，通过LLM抽取三元组构建知识库，结合概率知识和图推理丰富知识，再反馈优化抽取器，形成闭环持续提升。
2026-06-04 cs.CL cs.LG
Open Tabular Insight Extraction: Where Do We Stand, and Where Should We Go?
Centrum Wiskunde & Informatica（数学与计算机科学研究中心）；University of Amsterdam（阿姆斯特丹大学）
本文提出开放表格洞察提取（OpenTI）框架，整合多社区术语，系统回顾现有系统与基准，指出其未覆盖端到端范围且不适于开放评估，并提炼研究议程以推动该领域发展。
2026-10-14 cs.AI cs.CL cs.DB
Bilingual Terminology Extraction from Comparable E-Commerce Corpora
Soochow University（苏州大学）；Alibaba DAMO Academy（阿里巴巴达摩院）
双语术语是电子商业领域中重要的机器翻译资源，通常采用人工翻译或从并行数据中自动提取的方式。人工翻译成本高，而电子商业平行语料库又非常缺乏。但是，同一商品领域的不同语言的可比数据是丰富的。在本文中，我们提出了一个新的框架提取电子商务双语术语可比数据。得益于电子商业中的跨语言预训练，该框架能够充分利用源端术语和目标端句子之间的深层语义关系，提取出相应的目标术语。对不同语言对的实验结果表明，我们的方法比各种强基线实现了更好的性能。
2022-07-29 cs.CL
Impact of translation on biomedical information extraction from real-life clinical notes
IPLESP；Shanghai Jiaotong University（上海交通大学）；Hôpital Saint-Antoine（圣安托万医院）；Sorbonne Université（索邦大学）；Inserm（法国国家健康与医学研究院）；Université Sorbonne Paris Nord（巴黎第十三大学（索邦巴黎北大学））；LIMICS（LIMICS（医学信息学与健康工程实验室））
研究比较原生法语模型与先翻译再用英语工具进行临床概念提取和规范化的方案，发现原生法语方法 f1 显著更高。
2023-06-03 cs.CL
HybridRAG: Integrating Knowledge Graphs and Vector Retrieval Augmented Generation for Efficient Information Extraction
BlackRock, Inc.（贝莱德集团）；NVIDIA（英伟达公司）
本文提出 HybridRAG，融合 GraphRAG 与 VectorRAG，从向量数据库和知识图谱共同检索上下文，提升金融文档问答的信息抽取准确率与生成质量。
2024-08-09 cs.CL cs.LG q-fin.ST
IAM at CLEF eHealth 2018: Concept Annotation and Coding in French Death Certificates
Univ. Bordeaux（波尔多大学）；Inserm（法国国家健康与医学研究院）；CHU de Bordeaux（波尔多大学附属医院）
在本文中，我们描述了我们参与CLEF eHealth 2018挑战的任务1（多语言信息抽取）的方法和结果。我们解决了为法国死亡证明自动分配ICD-10代码的任务。我们使用了一种基于词典的方法，使用任务组织者提供的材料。对ICD-10术语进行了规范化、标记化，并以树形数据结构存储。Levenshtein距离用于检测拼写错误。通过手动创建一小部分缩写来检测频繁的缩写。我们的系统取得了F分数为0.786（精度：0.794，召回率：0.779）。这些分数大大高于参与挑战的系统的平均分数。
2018-07-10 cs.CL
Extracting domain-specific terms using contextual word embeddings
Jozef Stefan Institute（约热·斯特凡研究所）；University of Nova Gorica（新戈里察大学）
本文提出一种结合传统特征与上下文词嵌入特征的机器学习方法，在斯洛文尼亚语RSDO5语料库四个领域上显著提升术语提取的F1分数。
2025-02-24 cs.CL
UMLS-KGI-BERT: Data-Centric Knowledge Integration in Transformers for Biomedical Entity Recognition
Univ. Grenoble Alpes（格勒诺布尔大学）；CNRS（法国国家科学研究中心）；EPOS SAS（EPOS公司）；UFR de Médecine（医学院）
本文提出UMLS-KGI-BERT，通过从UMLS提取文本序列并以数据为中心的方式将图学习目标与掩码语言预训练结合，从而提升生物医学和临床命名实体识别性能。
2025-04-11 cs.CL
SSKG Hub: An Expert-Guided Platform for LLM-Empowered Sustainability Standards Knowledge Graphs
Alibaba-NTU Global e-Sustainability CorpLab (ANGEL)（阿里-国立大学全球可持续性公司实验室（ANGEL））；Alibaba Group（阿里巴巴集团）
SSKG Hub通过大语言模型和专家指导构建可持续性标准知识图谱，实现标准到可审计图谱的转化，并提供治理框架和跨图谱融合功能。
2026-02-28 cs.AI cs.CL cs.HC
KG4Diagnosis: A Hierarchical Multi-Agent LLM Framework with Knowledge Graph Enhancement for Medical Diagnosis
University of Warwick（华威大学）；Cranfield University（克兰菲尔德大学）；University of Cambridge（剑桥大学）；University of Oxford（牛津大学）
KG4Diagnosis提出层级多智能体LLM框架，结合自动化知识图谱构建，覆盖362种疾病，通过全科与专科智能体协作，实现可扩展的医学诊断。
2025-03-28 cs.AI cs.LG
A Literature Based Approach to Define the Scope of Biomedical Ontologies: A Case Study on a Rehabilitation Therapy Ontology
Newcastle University（纽卡斯尔大学）；Umm Al-Qura University（乌姆·库拉大学）
在这篇文章中，我们探讨了我们早期的尝试，建立一个本体描述脑损伤后的康复治疗。这些疗法范围广泛，涉及许多不同种类的干预措施。因此，这些疗法很难描述。除了限制实际实践外，这也是循证医学的一个主要障碍，因为很难有意义地比较两种治疗方案。本体开发需要本体学家和领域专家的大量努力。从领域专家获得的知识构成了本体的范围。知识获取的过程是昂贵的，消耗专家的时间，并可能有偏见，这取决于专家的选择。存在各种方法和技术来实现这种知识获取，包括社区团体和开放式开发实践。一个相关的问题是界定范围。通过定义范围，我们可以决定一个概念（即术语）是否应该在本体中表示。这是知识启发的对立面，因为它定义了本体论中不应该存在的东西。这可以通过预先定义一组能力问题来解决。然而，这些方法昂贵且耗时。在这里，我们描述了我们的工作对一种替代方法，引导本体从最初的小语料库的文献，将定义的本体的范围，扩大这一套覆盖的域，然后使用信息抽取定义一个初始的术语，提供的基础和能力的本体。在这里，我们讨论了四种方法来构建一个合适的语料库，既足够覆盖和精确。
2017-09-27 cs.AI cs.DL cs.IR
Evaluating improvements on using Large Language Models (LLMs) for property extraction in the Open Research Knowledge Graph (ORKG)
本文评估高级提示工程对 LLM 在 ORKG 科学文献属性提取中的改进，并引入基于 API 的现有属性匹配，显著提升结果对齐与属性一致性。
2025-02-15 cs.AI cs.CL cs.IR
emrQA-msquad: A Medical Dataset Structured with the SQuAD V2.0 Framework, Enriched with emrQA Medical Information
School of Computer Science（计算机学院）；Beijing Institute of Technology（北京理工大学）
该研究构建了emrQA-msquad医学跨度提取数据集，并通过微调BERT等模型，将医学问答系统的F1分数显著提升至0.75-1.00。
2024-04-18 cs.CL
Semi-Automated Knowledge Engineering and Process Mapping for Total Airport Management
Aviation Studies Institute（航空研究所）
本文提出一种半自动方法，通过符号知识工程与生成式大语言模型的双重融合，构建领域导向的知识图谱，以解决机场运营文档复杂性问题，并提升流程依赖关系的恢复能力。
2026-03-27 cs.AI cs.CL cs.IR
Language as an Independent Information Layer: A Conceptual Model of Communication, Cognition and Decision-Making
Peter the Great St. Petersburg Polytechnic University（圣彼得堡彼得大帝理工大学）
本文提出将语言作为独立信息层，融合企业词汇概率向量空间与本体论建模，以高效提取知识、弥合统计与语义方法，并识别业务逻辑瓶颈。
2026-09-29 cs.CE cs.CL cs.CY
