基于Tea-MOELoRA的文言文与现代文联合信息抽取
计算与语言
2025-09-10 v3
摘要
中文信息抽取（IE）涉及跨越不同时间域的多个任务，包括文言文与现代文文档。在异构任务与不同时代上微调单一模型可能导致干扰并降低性能。因此，本文提出Tea-MOELoRA，一种将LoRA与混合专家设计相结合的参数高效多任务框架。多个低秩LoRA专家专精于不同的IE任务与时代，而任务-时代感知路由机制则动态分配专家贡献。实验表明，Tea-MOELoRA优于单任务与联合LoRA基线，证明了其有效利用任务与时序知识的能力。
引用
@article{arxiv.2509.01158,
title = {Joint Information Extraction Across Classical and Modern Chinese with Tea-MOELoRA},
author = {Xuemei Tang and Chengxi Yan and Jinghang Gu and Chu-Ren Huang},
journal= {arXiv preprint arXiv:2509.01158},
year = {2025}
}
备注
9 pages, 3 figures