BriefGPT - AI 论文速递
·
文档级关系抽取综述（2016-2022）
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文提出了一个半监督框架，通过三个新组件优化文档级关系抽取任务。实验证明该模型在两个 DocRE 数据集上表现超过了强基线模型，F1 分数和 Ign_F1 分数分别增加了 1.36 和 1.46 分。
🎯
关键要点
- 提出了一个半监督框架，包含三个新组件。
- 框架针对文档级关系抽取任务进行优化。
- 使用轴向注意力模块学习实体对之间的相互依赖关系。
- 自适应 focal loss 解决 DocRE 的类别不平衡问题。
- 采用知识蒸馏方法克服人工标注数据与远程监督数据之间的差异。
- 在两个 DocRE 数据集上的实验表明模型表现超过强基线模型。
- 在 DocRED 排行榜上的 F1 分数和 Ign_F1 分数分别增加了 1.36 和 1.46 分。
🏷️
标签
➡️
