开放信息抽取领域视角下的葡萄牙语资源扩展挑战
计算与语言
2025-01-22 v1
摘要
开放信息抽取 (Open IE) 是从文本文档中提取结构化信息的任务，独立于领域。虽然传统的 Open IE 方法基于无监督方法，但近期随着鲁棒标注数据集的出现，发展出新型数据驱动方法以实现更好结果。然而，这些创新主要聚焦于英语语言，由于缺乏数据集以及构建此类资源的困难，使其难以扩展到其他语言。在本工作中，我们提出了一个基于严格方法论、以 established 语义理论为基础的葡萄牙语开放信息抽取高质量手动标注语料库。我们讨论了标注过程中遇到的挑战，提出了一套结构和上下文标注规则，并通过评估最新 Open IE 系统的性能来验证该语料库。我们的资源弥补了葡萄牙语开放信息抽取数据集的不足，支持该领域新方法和系统的开发和评估。
引用
@article{arxiv.2501.11851,
title = {Challenges in Expanding Portuguese Resources: A View from Open Information Extraction},
author = {Marlo Souza and Bruno Cabral and Daniela Claro and Lais Salvador},
journal= {arXiv preprint arXiv:2501.11851},
year = {2025}
}