面向实体集扩展的上下文模式自动生成
计算与语言
2024-10-28 v4 信息检索
摘要
实体集扩展（ESE）是一项有价值的任务，旨在根据给定种子实体找出目标语义类别的实体。由于具备知识发现能力，ESE 已惠及多种自然语言处理（NLP）与信息检索（IR）下游应用。尽管现有基于语料的 ESE 方法已取得很大进展，但它们仍依赖标注了高质量实体信息的语料，因为其中多数需要通过实体在句子中的位置来获取上下文模式。因此，给定语料及其实体标注的质量已成为限制此类方法性能的瓶颈。为克服这一困境并使 ESE 模型摆脱对实体标注的依赖，本文旨在探索一种新的 ESE 范式，即与语料无关的 ESE。具体而言，我们设计了一个上下文模式生成模块，利用自回归语言模型（如 GPT-2）为实体自动生成高质量上下文模式。此外，我们提出了 GAPA，一种利用上述生成模式（GenerAted PAtterns）扩展目标实体的新型 ESE 框架。在三个广泛使用的数据集上的大量实验与详细分析证明了我们方法的有效性。我们实验的所有代码可在 https://github.com/geekjuruo/GAPA 获取。
引用
@article{arxiv.2207.08087,
title = {Automatic Context Pattern Generation for Entity Set Expansion},
author = {Yinghui Li and Shulin Huang and Xinwei Zhang and Qingyu Zhou and Yangning Li and Ruiyang Liu and Yunbo Cao and Hai-Tao Zheng and Ying Shen},
journal= {arXiv preprint arXiv:2207.08087},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication