神经开放信息抽取研究综述：现状与未来方向
计算与语言
2022-06-29 v2
摘要
开放信息抽取（OpenIE）有助于从大规模语料库中独立于领域地发现关系事实。该技术非常适用于许多开放世界自然语言理解场景，如自动知识库构建、开放域问答和显式推理。得益于深度学习技术的快速发展，众多神经 OpenIE 架构被提出并取得了可观的性能提升。在本综述中，我们广泛概述了最先进的神经 OpenIE 模型、其关键设计决策、优势与不足。随后，我们讨论了当前解决方案的局限性以及 OpenIE 问题本身的开放问题。最后，我们列举了近期趋势，这些趋势有助于拓展其范围与适用性，为 OpenIE 的未来研究指明有前景的方向。据我们所知，本文是关于该特定主题的首篇综述。
引用
@article{arxiv.2205.11725,
title = {A Survey on Neural Open Information Extraction: Current Status and Future Directions},
author = {Shaowen Zhou and Bowen Yu and Aixin Sun and Cheng Long and Jingyang Li and Haiyang Yu and Jian Sun and Yongbin Li},
journal= {arXiv preprint arXiv:2205.11725},
year = {2022}
}
备注
Accepted by IJCAI22 survey track