Triplètoile：从微博文本中提取知识

利用微博社交网络结构，将作者、提及和实体编码为连续向量，提高实体链接任务的F1值1%-5%。

提出多任务学习框架SciIE，识别、分类科学文章中的实体、关系和共指链接，效果优于以往模型。

发布OPIEC语料库，包含340M个三元组，是最大的OIE语料库，发现许多实体之间的事实在DBpedia和YAGO中找不到。

提出CasRel框架，解决关系三元组抽取中的重叠问题，在NYT和WebNLG数据集上F1分数有显著增益。

提出exBERT模型，利用预训练的transformer语言模型进行学术知识图谱补全，在多个数据集上表现优异。

提出DirectRel模型，通过构建二分图直接提取关系三元组，实验结果优于现有技术。

发布WebIE数据集，评估生成模型的信息提取性能，提出三种训练策略，显著提高实体链接效果。

提出基于Mutual Guided Few-shot学习框架的关系三元组抽取方法，在FewRel数据集上表现优异。

提出HyperPIE方法，自动提取科学出版物中的超参数信息，利用BERT模型实现29% F1值的改善。

提出ZeroDocRTE框架，通过大型语言模型生成标记数据，实现零样本文档级关系和三元组的提取任务。