ChatIE：通过对话 ChatGPT 实现零样本信息抽取
计算与语言
2024-05-28 v2
摘要
零样本信息抽取（IE）旨在从未经标注的文本中构建 IE 系统。由于几乎不涉及人工干预，该任务具有挑战性。尽管具有挑战性但值得一做，零样本 IE 减少了数据标注所耗费的时间与精力。近期关于大语言模型（LLMs，如 GPT-3、ChatGPT）的研究在零样本设定下展现出有前景的性能，从而启发我们探索基于提示的方法。在本工作中，我们探究是否可以通过直接提示 LLMs 来构建强大的 IE 模型。具体而言，我们将零样本 IE 任务转化为一个多轮问答问题，并采用两阶段框架（ChatIE）。借助 ChatGPT 的能力，我们在三项 IE 任务上广泛评估了我们的框架：实体-关系三元组抽取、命名实体识别和事件抽取。在两种语言、六个数据集上的实证结果表明，ChatIE 取得了令人印象深刻的性能，并在多个数据集（如 NYT11-HRL）上甚至超越了某些全样本模型。我们相信，本工作可为在资源有限条件下构建 IE 模型提供启示。
引用
@article{arxiv.2302.10205,
title = {ChatIE: Zero-Shot Information Extraction via Chatting with ChatGPT},
author = {Xiang Wei and Xingyu Cui and Ning Cheng and Xiaobin Wang and Xin Zhang and Shen Huang and Pengjun Xie and Jinan Xu and Yufeng Chen and Meishan Zhang and Yong Jiang and Wenjuan Han},
journal= {arXiv preprint arXiv:2302.10205},
year = {2024}
}