BriefGPT - AI 论文速递
·
VaeDiff-DocRE: An End-to-End Data Augmentation Framework for Document-Level Relation Extraction
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于生成模型的数据增强方法，旨在解决文档级关系提取中的标签分布不均问题。通过变分自编码器和扩散模型，增强了少见关系的数据，提升了多个基准数据集的性能，验证了方法的有效性。
🎯
关键要点
-
本研究提出了一种基于生成模型的数据增强方法，旨在解决文档级关系提取中的标签分布不均问题。
-
通过变分自编码器(VAE)和扩散模型，增强了少见关系的数据。
-
该方法在多个基准数据集上超越了现有的最优模型，验证了其有效性。
➡️
