利用命名实体和词性增强语言模型进行金融关系抽取
计算与语言
2024-05-14 v1 信息检索
机器学习
摘要
金融关系抽取（FinRE）任务涉及在给定一段金融陈述/文本的情况下，识别其中的实体及其关系。为了解决这个FinRE问题，我们提出了一种简单但有效的策略，通过利用命名实体识别（NER）和词性标注（POS）来增强预训练语言模型，并采用不同的方法来组合这些信息，从而提高其性能。在金融关系数据集上的实验显示了有前景的结果，并突显了在现有模型中整合NER和POS的好处。我们的数据集和代码可在https://github.com/kwanhui/FinRelExtract获取。
引用
@article{arxiv.2405.06665,
title = {Enhancing Language Models for Financial Relation Extraction with Named Entities and Part-of-Speech},
author = {Menglin Li and Kwan Hui Lim},
journal= {arXiv preprint arXiv:2405.06665},
year = {2024}
}
备注
Accepted to ICLR 2024 Tiny Paper Track