AutoRE：基于大语言模型的文档级关系抽取
计算与语言
2024-07-29 v3 人工智能
摘要
大语言模型（LLM）在理解和生成文本方面展现出了卓越的能力，促使众多研究人员将其用于信息抽取（IE）目的，包括关系抽取（RE）。然而，现有大多数方法主要针对句子级关系抽取任务设计，这些任务通常包含单个句子内有限的关系和三元组事实。此外，某些方法将关系作为整合到提示模板中的候选选项，这导致在处理文档级关系抽取任务时处理效率低下且性能次优，因为该任务涉及处理分布在给定文档中的多个关系和三元组事实，带来了独特的挑战。为了克服这些局限性，我们引入了 AutoRE，这是一个端到端的 DocRE 模型，采用了名为 RHF（Relation-Head-Facts）的新型 RE 抽取范式。与现有方法不同，AutoRE 不依赖于已知关系选项的假设，使其更贴近真实场景。此外，我们使用参数高效微调（PEFT）算法（QLoRA）开发了一个易于扩展的 RE 框架。我们在 RE-DocRED 数据集上的实验展示了 AutoRE 的最佳性能，取得了 SOTA 结果，在开发集和测试集上分别超越 TAG 10.03% 和 9.03%。代码可在 https://github.com/THUDM/AutoRE 获取，演示视频见 https://www.youtube.com/watch?v=IhKRsZUAxKk。
引用
@article{arxiv.2403.14888,
title = {AutoRE: Document-Level Relation Extraction with Large Language Models},
author = {Lilong Xue and Dan Zhang and Yuxiao Dong and Jie Tang},
journal= {arXiv preprint arXiv:2403.14888},
year = {2024}
}
备注
10 pages, 4 figures