纠缠关系：利用自然语言推理和元分析增强生物医学关系抽取
计算与语言
2025-03-10 v2
摘要
近期的研究工作探索了利用自然语言推理（NLI）技术增强关系抽取（RE）的潜力。在此脉络下，我们引入了MetaEntailRE，一种利用NLI原理提升RE性能的新型适配方法。我们的方法遵循以往工作，将关系类别转化为类别指示性假设，将传统的多类分类任务对齐为文本蕴含任务。我们引入了三项关键改进：（1）元类分析，它并非将非蕴含的前提-假设对标记为信息量较少的“中性”蕴含标签，而是通过分析类别之间的总体元关系提供额外上下文；（2）可行假设过滤，它基于从数据中导出的领域知识移除不太可能的假设；（3）基于组的预测选择，通过选择高置信度的预测进一步提升性能。MetaEntailRE概念简单且经验上强大，相比传统关系抽取技术和其他NLI公式取得了显著改进。我们观察到，与传统方法相比，在BioRED上F1值惊人地提升了17.6个百分点，在ReTACRED上提升了13.4个百分点，突显了MetaEntailRE在生物医学和通用领域的通用性。
引用
@article{arxiv.2406.00226,
title = {Entangled Relations: Leveraging NLI and Meta-analysis to Enhance Biomedical Relation Extraction},
author = {William Hogan and Jingbo Shang},
journal= {arXiv preprint arXiv:2406.00226},
year = {2025}
}
备注
17 pages, 1 figure