GPT-FinRE: 利用大语言模型进行金融关系抽取的上下文学习
计算与语言
2023-07-24 v2
摘要
关系抽取(RE)是自然语言处理(NLP)中的一项关键任务,旨在识别并分类文本中提及的实体之间的关系。在金融领域,关系抽取在从金融文档(如新闻文章、盈利报告和公司备案文件)中提取有价值信息方面发挥着重要作用。本文描述了我们在一个此类数据集 REFinD 上进行关系抽取的解决方案。该数据集作为第四届金融服务非结构化数据知识发现研讨会(与 SIGIR 2023 联合举办)共享任务的一部分发布。在本文中,我们在上下文学习(ICL)框架下使用了 OpenAI 模型。我们利用两种检索策略从训练数据中为给定测试样例寻找前 K 个相关的上下文学习示范/示例。我们采用的第一个检索机制是无学习的稠密检索器,另一个系统是基于学习的检索器。我们取得了总体第 3 名的成绩。我们的最佳 F1 分数为 0.718。
引用
@article{arxiv.2306.17519,
title = {GPT-FinRE: In-context Learning for Financial Relation Extraction using Large Language Models},
author = {Pawan Kumar Rajpoot and Ankur Parikh},
journal= {arXiv preprint arXiv:2306.17519},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2305.02105 by other authors