[Verarbeitung natürlicher Sprache] Beziehungsextraktion – SIEF-Übersicht

SEI

Papierinformationen

标题: Beziehungsextraktion auf Dokumentebene mit Schätzung und Fokussierung der Satzbedeutung

Autor: Wang Xu, Kehai Chen, Lili Mou, Tiejun Zhao

Zeitschrift: NAACL-HLT 2022

Veröffentlichungszeit und Aktualisierungszeit: 27.04.2022

Themen: Verarbeitung natürlicher Sprache, Beziehungsextraktion, DocRE, DialogRE

arXiv: [2204.12679] Beziehungsextraktion auf Dokumentebene mit Schätzung und Fokussierung der Satzbedeutung (arxiv.org)

Quelle: xwjim/SIEF: PyTorch-Implementierung für NAACL 2022-Papier: „Document-Level Relation Extraction with Sentences Importance Estimation and Focusing“ (github.com)

Überblick

SIEF ist eine Trainingsmethode, die die Robustheit des DocRE-Modells verbessert, indem Sätze in Dokumenten, die für die Beziehungsvorhersage irrelevant sind, nach dem Zufallsprinzip gelöscht werden (im Gegensatz zu den manuell gekennzeichneten Beweis-/Nicht-Beweissätzen im DocRE-Datensatz). Der Autor stellte fest, dass das bestehende DocRE-Modell (zu diesem Zeitpunkt) ein Robustheitsproblem hatte, das heißt, das Modell konnte Beziehungen für vollständige Dokumente korrekt vorhersagen, jedoch Löschungen und Vorhersagen