少样本文档级关系抽取
计算与语言
2022-07-04 v2 人工智能
机器学习
摘要
我们提出FREDo，一个少样本文档级关系抽取（FSDLRE）基准。与基于句子级关系抽取语料构建的现有基准不同，我们认为文档级语料更具现实性，尤其在无对应（NOTA）分布方面。因此，我们提出一组FSDLRE任务，并基于两个现有监督学习数据集DocRED和sciERC构建基准。我们将SOTA句子级方法MNAV适配至文档级，并进一步改进以更好地进行域适应。我们发现FSDLRE是一种具有挑战性的设定，带有诸如可从支撑集采样NOTA实例等有趣新特性。数据、代码与训练模型均已在线发布（https://github.com/nicpopovic/FREDo）。
引用
@article{arxiv.2205.02048,
title = {Few-Shot Document-Level Relation Extraction},
author = {Nicholas Popovic and Michael Färber},
journal= {arXiv preprint arXiv:2205.02048},
year = {2022}
}
备注
Published at NAACL 2022