基于无标签数据的表单字段抽取
计算机视觉与模式识别
2022-04-13 v2 人工智能
摘要
我们提出了一种利用无标签数据进行表单字段抽取的新框架。为启动训练过程，我们开发了一种基于规则的方法，从无标签表单中挖掘含噪伪标签。利用伪标签提供的监督信号，我们通过建模表单中文本之间的交互，从基于Transformer的模型中提取具有判别性的词元表示。为防止模型过拟合于标签噪声，我们引入了一个基于渐进式伪标签集成的精炼模块。实验结果证明了我们框架的有效性。
引用
@article{arxiv.2110.04282,
title = {Field Extraction from Forms with Unlabeled Data},
author = {Mingfei Gao and Zeyuan Chen and Nikhil Naik and Kazuma Hashimoto and Caiming Xiong and Ran Xu},
journal= {arXiv preprint arXiv:2110.04282},
year = {2022}
}
备注
Spa-NLP@ACL2022