融合即完美：一种面向零样本关系抽取的高效多粒度匹配方法
计算与语言
2024-06-18 v1 人工智能
摘要
在关系抽取中，预测训练阶段未见过的关系是一项具有挑战性的任务。先前的工作通过匹配输入实例与标签描述之间的语义取得了进展。然而，细粒度匹配通常需要大量的人工标注，而实例与标签描述之间的丰富交互会带来显著的计算开销。在这项工作中，我们提出了一种高效的多粒度匹配方法，该方法使用虚拟实体匹配来降低人工标注成本，并融合粗粒度召回与细粒度分类以实现丰富交互，同时保证推理速度。实验结果表明，我们的方法优于先前的最先进（SOTA）方法，并在零样本关系抽取任务中实现了推理效率与预测精度之间的平衡。我们的代码可在 https://github.com/longls777/EMMA 获取。
引用
@article{arxiv.2406.11429,
title = {Fusion Makes Perfection: An Efficient Multi-Grained Matching Approach for Zero-Shot Relation Extraction},
author = {Shilong Li and Ge Bai and Zhang Zhang and Ying Liu and Chenji Lu and Daichi Guo and Ruifang Liu and Yong Sun},
journal= {arXiv preprint arXiv:2406.11429},
year = {2024}
}
备注
Accepted to the main conference of NAACL2024